ESTIMAÇÃO DA ALTURA DE PLANTIOS FLORESTAIS DE EUCALIPTO POR REGRESSÃO E REDES NEURAIS ARTIFICIAIS

A modelagem estatistica na predicao de alturas de arvores em florestas plantadas e uma forma de reduzir o tempo e custo do levantamento de dados do inventario florestal. Nesse sentido, o presente o presente estudo teve como objetivo estimar a altura de arvores de Eucalyptus grandis W. Hill atraves de modelos de regressao (MR) e redes neurais artificiais (RNA). Para isso, foram utilizados 713 pares de dados de altura e diâmetro de arvores individuais medidas no inventario florestal, sendo que 70% dos dados foram utilizados para o ajuste dos modelos de regressao e treino das RNA e 30% utilizados para validacao das tecnicas. Foram ajustados cinco modelos hipsometricos tradicionais, cinco modelos em funcao da variavel dap e da variavel idade na forma aritmetica, quadratica, logaritmica, inversa e raiz quadrada, totalizando vinte e cinco novos modelos e, por fim, foram treinadas cinco redes neurais do tipo Multilayer Perceptron. As tecnicas foram avaliadas estatisticamente atraves da correlacao (r YY ), raiz quadrada do quadrado medio do erro (RQME) e analise grafica de residuos. Tanto no treino como na validacao as RNA obtiveram melhores resultados estatisticos, na validacao a melhor RNA obteve r YY de 0,941 e RQME de 1,238 m. O modelo de regressao de relacao h/d obteve r YY de 0,928 e RQME de 1,373 m. O modelo de regressao com insercao da variavel idade apresentou r YY de 0,936 e RQME de 1,289 m. Ambas as tecnicas poderiam ser utilizadas para estimar a altura das arvores de E. grandis , porem as RNA sao mais acuradas.