Aplicação de redes neurais artificiais para estimativa de volume de árvores em pé em uma floresta ombrófila densa na Amazônia Oriental

Ministério da Educação, Universidade Federal Rural da Amazônia e Programa de Pós-Graduação em Ciências Florestais.

Este estudo teve como objetivo comparar as metodologias utilizadas para mensurar o volume com casca de madeira em pé em florestas naturais, por meio da análise de regressão, fator de forma médio, fator de forma 0,7 proposto por Heinsdijk & Bastos (1963) e treinamento de Redes Neurais Artificiais em uma floresta ombrófila densa no município de Breu Branco-PA. Foram cubadas 576 árvores pela metodologia de Smalian e utilizadas as informações de 476 árvores, para estimativa dos coeficientes das equações volumétricas e fator de forma médio, também foram utilizadas 100 árvores diferentes das 476 arvores para validação e normalidade dos dados. Foram ajustados três modelos de simples entrada e três de dupla entrada. Os critérios utilizados para seleção dos melhores modelos foram R²aj, Syx%, Syxr%, RQME, AIC, VP e distribuição dos resíduos. Foram treinadas 3000 RNA para cada análise de estimativa de volume da árvore, utilizando variáveis quantitativas (DAP e Altura comercial) e qualitativa (espécie). Para a melhor estimativa da RNA foram utilizados os parâmetros RQME, Coeficiente de Correlação, Viés e análise de gráfico. Todas as estimativas de volumes foram comparado com o Volume cubado pela metodologia Smalian e verificou-se que neste estudo não obtiveram diferença significativa a uma probabilidade de 95% entre elas.

The objective of this study was to compare the methodologies used to measure the volume of standing bark in natural forests, using regression analysis, mean shape factor, 0.7 form factor proposed by Heinsdijk & Bastos (1963) and artificial neural networks training in a dense ombrophilous forest in the municipality of Breu Branco-PA. A total of 576 trees were sown by the Smalian methodology and the information from 476 trees was used to estimate the coefficients of the volumetric equations and average form factor. 100 trees were also used, different from the 476 trees for data validation and normality. Three models of single entry and three of double entry were adjusted. The criteria used to select the best models were R²aj, Syx%, Syxr%, RQME, AIC, VP and waste distribution. Three thousand RNAs were trained for each analysis of tree volume estimation, using quantitative variables (DBH and commercial height) and qualitative (species). RQME parameters, Correlation Coefficient, Bias and graph analysis were used for the best RNA estimation. All volume estimates were compared to the volume cubed by the Smalian methodology and it was found that in this study there was no significant difference at a 95% probability between them.