Redes Neurais Artificiais na estimação de variáveis biométricas de mudas de espécies florestais produzidas em diferentes substratos

Abstract

O objetivo do trabalho foi avaliar o crescimento em diâmetro do coleto e altura, e a produção de matéria seca total de mudas de Myracrodruon urundeuva, Jacaranda brasiliana e Mimosa caesalpiniaefolia. Concomitantemente, desenvolveu-se uma Rede Neural Artificial (RNA) do tipo Multilayer Perceptron que seria capaz de estimar a H e a MST das mudas das espécies estudadas. As mudas foram cultivadas em ambiente protegido com 50% de sombra. Assim, os tratamentos foram considerados com cinco proporções do material orgânico (0, 20, 40, 60 e 80% v/v) na composição do substrato final (solo da área desertificada). Aos 120 dias após a semeadura, as mudas foram coletadas para determinação das variáveis biométricas. A rede MLP foi utilizada empregando-se o algoritmo de treinamento Levenberg-Marquardat. As variáveis utilizadas como entrada da MLP para a estimação da altura e massa seca das mudas foram: diâmetro do coleto, diâmetro mínimo, médio e máximo do coleto, as espécies e fontes de resíduos orgânicos (esterco bovino, esterco caprino e palha de arroz), totalizando dez entradas. Foi utilizada a função de ativação tangente hiperbólica. Como resultados, recomenda-se a proporção 80:20% (esterco bovino e/ou esterco caprino:solo da área degradada) ao substrato de cultivo para o crescimento das mudas das espécies. A adição de doses de esterco bovino e esterco caprino influenciaram o DC do Jacaranda brasiliana, sendo constatado o efeito linear crescente com valor estimado de 2,66 mm planta-1. Para a H a adição de esterco bovino e caprino influenciou no crescimento das mudas de Myracrodruon urundeuva. A produção de MST das mudas das três espécies foi igualmente distribuída em função das proporções crescentes de resíduo orgânico incorporado ao substrato de cultivo. O uso da Rede Neural Artificial do tipo Multilayer Perceptron mostrou-se eficiente para a estimação da altura