Avaliação Do Uso De Regressão E Rede Neural Artificial Para Modelagem Do Afilamento Do Fuste De Eucalipto Em Sistema Silvipastoril

Abstract

RESUMOO objetivo deste estudo foi avaliar a eficiência do uso de uma rede neural artificial (RNA) para estimar o afilamento do fuste de árvores de eucalipto em sistemas silvipastoris com dois arranjos espaciais. Os dados foram provenientes de 35 árvores-amostras cubadas em sistemas silvipastoris com arranjos espaciais de 12 m x 4 m e 12 m x 2 m. Foi ajustado o modelo proposto por Garay para cada arranjo espacial. Foi treinada uma RNA de configuração Multilayer Perceptron utilizando os arranjos como variável categórica. As demais variáveis de entrada da RNA foram o diâmetro à altura do peito -1,30 m de altura, altura total, alturas de cada seção e os correspondentes diâmetros. A precisão dos métodos foi avaliada por meio das estatísticas da raiz do erro quadrático médio, correlação entre diâmetros observados e estimados, dispersão dos erros percentuais e o desvio médio absoluto. A RNA apresentou desempenho similar ao das duas funções de afilamento, demonstrando ser uma metodologia apropriada para pequenos plantios de eucalipto em sistema silvipastoril, onde pode existir restrição para o abate de árvores. PALAVRAS-CHAVE: ILPF, inteligência artificial, taper. ABSTRACTThe aim of this study was to evaluate the efficiency of using an artificial neural network (ANN) to estimate the stem taper of eucalypt trees in a silvopastoral system composed with two spatial arrangements. The data used were collected out of 35 sample-trees scaled in a silvipastoral system with spatial arrangements of 12 m x 4 m and 12 m x 2 m. The taper model proposed by Garay was fitted for each spatial arrangement. Also, the ANN with Multilayer Perceptron configuration, using the spatial arrangement as a categorical variable, was trained. The others input variables for the ANN were the diameter at breast height -1.30 m height, total height, height of each section and the corresponding diameters. The accuracy of the methods was evaluated using the Root Mean-square Error, the correlation between observed and estimated diameters, dispersion of percentage errors and the mean absolut deviaton. The ANN achieved a similar performance compared to the two functions of tapering, proving to be an appropriate methodology for small eucalyptus plantations in silvopastoral system, where there may be restrictions for logging.

STEM TAPERING OF Eucalyptus spp. USING DIFFERENT CONFIGURATIONS OF ARTIFICIAL NEURAL NETWORKS

“…The greater dispersion of the error observed in the prediction of tree apex values, in diameters smaller than 10 cm, were also found in some works involving ANN models (MÜLLER et al, 2014;SCHIKOWSKI et al, 2015;MENDONÇA et al, 2015). When evaluating the histogram of residues, the symmetrical distribution with mean close to zero was similar to that found by Silva et al (2016), confirming the accuracy of the ANNs technique applied in this work.…”

Fauna Ameaçada Nas Rodovias

“…KEYWORDS: Forest Management; tapering; diameters along the shaft. (BINOTI et al, 2014;RIBEIRO et al, 2016, LACERDA et al, 2017, de altura (BINOTI et al, 2013;VENDRUSCOLO et al, 2015, do diâmetro relativo e estudo da forma MENDONÇA et al, 2015;SCHIKOWSKI et al, 2015;VENDRUSCOLO et al, 2016;MARTINS et al, 2016;SILVA et al, 2016;CAMPOS et al, 2017;MARTINS et al, 2017), do diâmetro e altura (VIEIRA et al, 2018), em crescimento e produção (CASTRO et al, 2013;BINOTI et al, 2015).…”

Eucalypt clone modelling in agrosilvopastoral systems

“…Fernandes et al (2017) developed volumetric equations for two native species established in a silvopastoral system in the Amazon region. Silva et al (2016) studied the use of regression and artificial neural networks for modeling the stem taper of an eucalypt clone in two spatial arrangements, also in a silvopastoral system. In a savanna region, the works that stand out are those on taper (Cerqueira et al, 2019a), volume (Lemos-Junior et al, 2016;Cerqueira et al, 2020), and height (Cerqueira et al, 2019b) modelling.…”