Dissertação/Tese REDUÇÃO DO NÚMERO DE PARCELAS PARA MODELAGEM DA PROGNOSE DO VOLUME DE FLORESTA - PPGCF

O objetivo deste estudo foi avaliar o efeito da redução de parcelas permanentes no custo da realização do inventário florestal contínuo e realizar a prognose do volume de floresta comparando o emprego das Redes Neurais Artificiais ao modelo tradicionalmente utilizado proposto por Clutter (1963). Os dados utilizados foram provenientes de povoamentos localizados no litoral norte da Bahia, totalizando cerca de 3.000 hectares de floresta. Foram propostas duas metodologias para auxiliar na redução das parcelas. Para a metodologia proposta no estudo 1, os dados foram divididos aleatoriamente em dois grupos: treinamento (10, 20, 30, 40, 50, 60, 70, 80, e 90%) e generalização (90, 80, 70, 60, 50, 40, 30, 20, 10%). Os dados do treinamento foram utilizados para gerar as redes neurais artificias enquanto que os dados da generalização serviram para validar a capacidade das redes em gerar resultados precisos para dados desconhecidos. A metodologia proposta no estudo 2 dividiu aleatoriamente os dados em dois grupos: treinamento a escolha fixa de quantidades de parcelas pré-estabelecidas nas três classes de sítio (10, 20, 30, 40, 50 e 60) totalizando 30, 60, 90, 120, 150 e 180 parcelas utilizadas para o treino das redes neurais e os demais dados foram utilizados para validar a capacidade das redes. A estimativa da variável de estudo foi gerada no sistema computacional Neuroforest 3.3. A aplicação das Redes Neurais Artificiais apresentaram resultados satisfatórios bem como a aplicação de ambas metodologias permitiram reduzir consideravelmente o custo para a realização do inventário florestal.

This study aimed to evaluate the effects of permanent plots in the cost of carrying out the continuous forest inventory and to perform prognosis of forest production comparing the use of Artificial Neural Networks to the traditional model proposed by Clutter (1963). Data were obtained from municipalities located in the northern region of Bahia state yielding 3,000 hectares of forest. Two different methodologies were proposed to reduce the number of parcels. The methodology proposed for the study 1 involved the random division of the data into two groups consisting of random reducing portions of 10, 20, 30, 40, 50, 60, 70, 80, and 90% with these percentages used for training and the remaining 90, 80, 70, 60, 50, 40, 30, 20, 10% used for validation. The methodology proposed for study 2 consisted of random reduction in parcels with a fixed parcel per site 10, 20, 30, 40, 50 and 60 in each class (30, 60, 90, 120, 150 and 180 parcels). The estimates of the study variables were generated in the computer system Neuroforest 3.3. The applications of Artificial Neural Networks showed satisfactory results and the application of both methodologies have considerably reduced the cost for conducting the forest inventory.