Abstract

Objetivou-se, neste trabalho, avaliar o ajuste do modelo volumétrico de Schumacher e Hall por diferentes algoritmos, bem como a aplicação de redes neurais artificiais para estimação do volume de madeira de eucalipto em função do diâmetro a 1,30 m do solo (DAP), da altura total (Ht) e do clone. Foram utilizadas 21 cubagens de povoamentos de clones de eucalipto com DAP variando de 4,5 a 28,3 cm e altura total de 6,6 a 33,8 m, num total de 862 árvores. O modelo volumétrico de Schumacher e Hall foi ajustado nas formas linear e não linear, com os seguintes algoritmos: Gauss-Newton, Quasi-Newton, Levenberg-Marquardt, Simplex, Hooke-Jeeves Pattern, Rosenbrock Pattern, Simplex, Hooke-Jeeves e Rosenbrock, utilizado simultaneamente com o método Quasi-Newton e com o princípio da Máxima Verossimilhança. Diferentes arquiteturas e modelos (Multilayer Perceptron MLP e Radial Basis Function RBF) de redes neurais artificiais foram testados, sendo selecionadas as redes que melhor representaram os dados. As estimativas dos volumes foram avaliadas por gráficos de volume estimado em função do volume observado e pelo teste estatístico L&O. Assim, conclui-se que o ajuste do modelo de Schumacher e Hall pode ser usado na sua forma linear, com boa representatividade e sem apresentar tendenciosidade; os algoritmos Gauss-Newton, Quasi-Newton e Levenberg-Marquardt mostraram-se eficientes para o ajuste do modelo volumétrico de Schumacher e Hall, e as redes neurais artificiais apresentaram boa adequação ao problema, sendo elas altamente recomendadas para realizar prognose da produção de florestas plantadas.

Highlights

  • This research aimed at evaluating the adjustment of Schumacher and Hall volumetric model by different algorithms and the application of artificial neural networks to estimate the volume of wood of eucalyptus according to the diameter at breast height (DBH), total height (Ht) of the clone

  • Presenting bias of the data; the Gauss-Newton, Quasi-Newton and Levenberg-Marquardt algorithms were effective in the adjustment of Schumacher and Hall volumetric model

  • The artificial neural networks showed good adequacy to the problem and are highly recommended to perform production prognoses of planted forests

Read more

Summary

INTRODUÇÃO

O emprego de equações volumétricas constitui uma das principais ferramentas para quantificação da produção de povoamentos florestais, sendo base para o manejo sustentável de plantações florestais (LEITE e ANDRADE, 2003). Alternativa atrativa para representar relações não lineares em relação aos métodos estatísticos tradicionais tem sido a aplicação de Redes Neurais Artificiais (RNA) (LEK et al, 1996; PENG e WEN, 1999). Diamantopoulou (2005) comprovou a superioridade das RNA em relação aos algoritmos de regressão não linear para estudar o volume de casca em Pinus e concluiu que as RNA têm grande potencial para muitas aplicações em modelagem florestal, sendo útil como alternativa às tradicionais. Neste estudo foram avaliadas diferentes alternativas para obter as estimativas dos parâmetros do modelo de Schumacher e Hall na forma não linear, pelos algoritmos iterativos: Gauss-Newton, Quasi-Newton, LevenbergMarquardt, Simplex, Hooke-Jeeves Pattern, Rosenbrock pattern; Simplex, Hooke-Jeeves e Rosenbrock simultaneamente com o método Quasi-Newton e pelo princípio da Máxima Verossimilhança. Foi objetivo avaliar o desempenho de Redes Neurais Artificiais (RNA) na estimação do volume de madeira em função do DAP, altura total e clone

MATERIAL E MÉTODOS
RESULTADOS
DISCUSSÃO
CONCLUSÕES
REFERÊNCIAS

Talk to us

Join us for a 30 min session where you can share your feedback and ask us any queries you have

Schedule a call

Disclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.