Dissertação/Tese RELAÇÃO HIPSOMÉTRICA E MODELAGEM DA PRODUÇÃO EM POVOAMENTOS CLONAIS DE EUCALIPTO - PPGCF

Dissertações/Teses

Dissertação/Tese do PPGCF
RELAÇÃO HIPSOMÉTRICA E MODELAGEM DA PRODUÇÃO EM POVOAMENTOS CLONAIS DE EUCALIPTO

Discente de mestrado
TAMIRES MOUSSLECH ANDRADE PENIDO
  • Ver currículo Lattes
  • Ver página pessoal
  • Defesa
  • Data: 10/03/2017
  • Hora: 08:00
  • Local: DEF/UFVJM
  • Ver TCC em PDF
  • Resumo
    A modelagem é um procedimento estatístico empregado por gestores florestais para esboçar o desenvolvimento vegetal com precisão. Informações confiáveis do crescimento e da produção são essenciais para predizer e quantificar a estrutura futura do povoamento. O presente trabalho foi dividido em dois capítulos. Os objetivos foram avaliar a eficiência de se estimar a altura empregando diferentes modelos hipsométricos, critérios de estratificação e métodos de ajuste, além de comparar três categorias de modelos de crescimento e produção (MCP) em plantações comerciais de eucalipto. Foram definidas quatro unidades de manejo florestal, totalizando 293,43 ha. O inventário florestal contínuo foi realizado em 34 parcelas permanentes de 400 m2 . O espaçamento de plantio foi de 3,0 x 2,5 m. Avaliou-se a precisão do ajuste de treze modelos hipsométricos. Foram treinadas RNA empregando as mesmas variáveis de resposta e preditoras adotadas nas equações selecionadas. As categorias de MCP testadas foram: em nível de povoamento (MP), pelo sistema de equações simultâneas de Clutter; de distribuição diamétrica (MDD), pelo ajuste de função densidade de probabilidade de Weibul-2P e de árvores individuais (MAI), pelo modelo de Pienaar e Schiver. As equações provenientes do modelo ����(����) = ��0 + ��1. (1⁄������) + ��2. ����(����) forneceram estimativas confiáveis da altura para diferentes critérios de estratificação, demonstrando superioridade em relação aos modelos locais. A modelagem por regressão e redes demonstraram-se adequadas para estimar a altura, com ou sem estratificação do banco de dados. A estratificação é um procedimento que pode melhorar a qualidade das estimativas de altura obtidas por regressão e RNA. As três categorias de modelo proporcionaram estimativas confiáveis da produção em volume com casca, aos 36, 48, 60 e 72 meses, para as unidades de manejo estudadas. O MAI foi a categoria mais precisa e consistente na estimativa do volume por hectare. As projeções com MP e MDD podem gerar estimativas similares de volume para idades além daquelas em que se realizou o inventário florestal.
  • Palavras-chave:
    inteligência artificial;relação hipsométrica;modelagem da produção;regressão
  • Abstract
    Modeling is a statistical procedure employed by forest managers to sketch plant development with precision. Reliable growth and production information are essential to predict and quantify the future stand structure. The present work was divided in two chapters. The objectives were to evaluate the efficiency of height estimation using different hypsometric models, stratification criteria and adjustment methods, beside to evaluate and compare three categories of growth and yield models (MCP) in commercial eucalypt plantations. Four forest management units were defined, totaling 293.43 ha. The continuous forest inventory was realized in 34 permanent plots of 400 m2 . The planting spacing was 3.0 x 2.5 m. The accuracy of the fit of thirteen hypsometric models was evaluated. ANN were trained using the same response e predictive variables adopted in the selected equations. The MCP categories tested were: in level of stand (MP), using Clutter’s simultaneous equations; diameter distribution model (MDD), by adjustment of the Weibull-2P’s probability density function and individual trees (MAI), by Pienaar and Schiver model. The equations from the model ����(����) = ��0 + ��1. (1⁄������) + ��2. ����(����) provided reliable height estimates for different stratification criteria, showing superiority in relation to local models. Regression and networks modelling were suitable for estimating height, with or without stratification of the database. Stratification is a procedure that can improve the quality of the estimates obtained by regression and ANN. The three model categories provided reliable estimates of the volume with bark production at 36, 48, 60 and 72 months for the management units studied. MAI was the most accurate and consistent category in estimating volume per hectare. Projections with MP and MDD can generate similar estimates of volume for ages beyond those in which the forest inventory was carried out
  • Keywords:
    artificial intelligence;hypsometric relationship;production modeling;regression
  • Banca de defesa

    Presidente
    GILCIANO SARAIVA NOGUEIRA
  • Nacionalidade: Brasileira
  • Ver currículo Lattes
  • Ver ORCID
  • Ver página pessoal
  • Participante interno
    Eric Bastos Gorgens
  • Nacionalidade: Brasileira
  • Ver currículo Lattes
  • Ver ORCID
  • Ver página pessoal
  • Participante interno
    MÁRCIO LELES ROMARCO DE OLIVEIRA
  • Nacionalidade: Brasileira
  • Ver currículo Lattes
  • Ver ORCID
  • Ver página pessoal
  • Participante externo
    PAULO HENRIQUE FIDENCIO
  • Nacionalidade: Brasileira
  • Ver currículo Lattes
  • Ver ORCID
  • Ver página pessoal