Dissertação/Tese AVALIAÇÃO DO MÉTODO DE SIMILARIDADE DOS PERFIS E DE REDES NEURAIS ARTIFICIAIS NA ESTIMAÇÃO DO VOLUME DE ÁRVORES - PPGCF

O objetivo deste trabalho foi testar procedimentos para determinar o volume individual de árvores, consistindo em métodos alternativos ao processo de cubagem. No capítulo 1, foi testado o método da similaridade de perfis combinado com diferentes medidas de similaridade, modelos de taper, métodos de estimação de parâmetros representativos de estratos sem equação e diferentes métodos de geração de equação volumétrica. Os dados utilizados foram de 3.620 árvores abatidas e cubadas, divididas 62 estratos. Foram medidas as variáveis DAP, altura total, e os diâmetros ao longo do fuste nas posições de 0,00; 0,50; 1,00; 1,50 e 2,00 m, e a partir deste, as seções foram medidas de 2,0 em 2,0 m, até a altura total. O modelo volumétrico de Schumacher e Hall foi ajustado por estrato. Os modelos de taper utilizados foram o de Kozak, de Garcia, de Ormerod e o Polinômio de Quinto Grau. As distâncias testadas foram a Distância Euclidiana, Distância Euclidiana Média, Distância Euclidiana Ponderada e Distância Euclidiana Quadrática. Foram testados 2 métodos de estimação dos parâmetros dos modelos de afilamento (3 árvores; e os parâmetros da árvore mais próxima ao diâmetro médio) e 3 métodos de determinação da equação volumétrica (equação do estrato mais similar, equação das 30 árvores mais similares e equação gerada com o número de árvores referentes a 5 árvores por classe de diâmetro do estrato sem equação definida), que combinados configuraram os 5 procedimentos testados. As estatísticas utilizadas para verificar a qualidade das estimativas foram bias, raiz quadrada do erro médio, correlação e análise gráfica de resíduos. A validação foi realizada com dados independentes para 4 estratos. Os resultados indicaram que não houve diferença entre as medidas de similaridade utilizadas. Os melhores modelos foram o Polinômio de Quinto Grau e o de Kozak, sendo o segundo mais indicado devido a sua facilidade de ajuste. O método de geração da equação baseada nas 30 árvores mais similares proporcionou as melhores estimativas volumétricas. No capítulo 2, foi utilizado redes neurais artificiais (RNA) para estimar o volume individual de árvores. Os dados foram os mesmos utilizados no capítulo 1. As variáveis de entrada utilizadas foram: entrada 1 (DAP, altura total, diâmetros a 0,00; 0,50; 1,00; 1,50 e 2,00 metros de altura); entrada 2 (adição do volume até 2 metros); entrada 3 (adição do grau de esbeltez) e entrada 4 (adição da variável categórica representando a forma do fuste até 2 metros de altura). Foram retidas as 5 melhores redes por conjunto de variáveis de entrada. Os dados foram divididos em 60% para treinamento, 20% para teste e 20% para generalização. Para avaliar as estimativas foram utilizadas as estatísticas bias, raiz quadrada do erro médio, correlação e análise gráfica dos resíduos. A melhor metodologia para gerar as redes foi aplicada a dados independentes para se avaliar a qualidade das estimativas de volume. As redes que proporcionaram as melhores estimativas foram as geradas pelo conjunto de variáveis de entrada 2 (DAP, altura total, diâmetros a 0,00; 0,50; 1,00; 1,50; 2,00 metros de altura e volume até 2 metros).

The objective of this work was to test procedures to determine the volume of individual trees, consisting of alternative methods to process of scaling. In the Chapter 1, was tested the profiles similarity method combined with different measures of similarity, taper models, parameter estimation methods representative of groups without equation and different generation methods of volumetric equations. The data used were 3.620 felled and cubed trees, divided in 62 groups. The variables measured were DBH, total height, and diameters along the stem in positions 0.00; 0.50; 1.00; 1.50 e 2.00 meters, and to this, the sections were measured from 2.0 to 2.0 meters, up to the total height. The volumetric model of Schumacher and Hall was adjusted by group. Taper models used were Kozak model, Garcia model, Ormerod model and The Fiftieth Degree Polynomial. The distances tested were Euclidean Distance, Mean Euclidean Distance, Weighted Euclidean Distance, and Quadratic Euclidean Distance. Two parameter estimation methods from to taper models were tested (3 trees; and the parameters of the tree nearest to the mean diameter) and three generation methods of volumetric equations (equation similar group, equation of 30 most similar trees and equation generated from the number of trees respect to 5 trees per diameter class for group without defined equation), the combination of them, results in five procedures tested. The statistics used to check the quality of the estimates were bias, root mean square error, correlation coefficient and graphic residual analysis. The validation was performed using independent data for 4 groups. The results indicated that there was no difference between the similarity measures used. The best models were the Fifth Degree Polynomial and Kozak, being the second most indicated due to its ease of adjust. The generation method of the equation based on the 30 most similar trees provided the best volumetric estimates. In the Chapter 2, was used artificial neural networks to estimate the volume of individual trees. The data were the same as used in Chapter 1. The input variables were used: input 1 (DBH, total height, diameters at 0.00; 0.50; 1.00; 1.50 e 2.00 meters); input 2 (addition volume of up to 2 meters); input 3 (addition of slenderness degree) and input 4 (addition of categorical variable representing the form of the stem up to 2 meters). The 5 best networks by set of input variables were retained. The data were divided into 60% for training, 20% for testing and 20% for generalization of the network. To evaluate the estimates were used the statistical bias, root mean square error, correlation coefficient and graphic residual analysis. The best method for generating neural network was applied to independent data to evaluate the quality of the volume estimates. The neural networks provided the best estimates were generated by the set of input variables 2 (DBH, total height, diameter at 0.00, 0.50, 1.00, 1.50, 2.00 meters in height and volume to 2 meters).