Banca de QUALIFICAÇÃO: ANDRÉ RICARDO DOS SANTOS PEREIRA

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: ANDRÉ RICARDO DOS SANTOS PEREIRA
DATA: 09/04/2018
HORA: 14:30
LOCAL: ICA Sala 1
TÍTULO:

USO DE REDES NEURAIS ARTIFICIAIS PARA ESTIMATIVA VOLUMÉTRICA NA FLORESTA ESTADUAL DO AMAPÁ.

PALAVRAS-CHAVES:

Relações quantitativas, inventário florestal, inteligência artificial, Amazônia

PÁGINAS: 30
GRANDE ÁREA: Ciências Agrárias
ÁREA: Recursos Florestais e Engenharia Florestal
SUBÁREA: Manejo Florestal
ESPECIALIDADE: Dendrometria e Inventário Florestal
RESUMO:

Uso de redes neurais artificiais para estimativa volumétrica na floresta estadual do Amapá

 

As boas práticas de manejo florestal requerem que as estimativas do volume disponível na floresta sejam obtidas com eficiência e precisão para ajudar na tomada de decisões sobre o uso da floresta. A metodologia convencional aplicada consiste no uso do fator de forma para corrigir o volume cilíndrico e o ajuste de equações de regressão pelo método dos mínimos quadrados. Recentemente uma nova alternativa vem sendo usada que usa técnicas computacionais de inteligência artificial ou as chamadas redes neurais artificiais (RNA) que buscam estimativas precisas dos volumes das árvores inventariadas. Diante disso esse estudo objetivou aplicar esta nova tecnologia para estimar o volume de arvores em pé na floresta estadual do Amapá. Foram cubadas 1458 árvores caídas em bom estado de conservação com DAP ≥10cm pelo método de Smalian em 30 unidades amostrais distribuídas em três fitofisionomias: Floresta Ombrófila Densa de Baixo Platô (FODBP), Floresta Ombrófila Densa Submontana (FODSM) e Transição Cerrado Floresta (TCF). Foram treinadas 10 redes neurais artificiais do tipo Multilayer Perceptron (MPL) para cada fitofisionomia usando DAP (diâmetro à altura do peito) e HF (altura do fuste) na camada de entrada e Volume (m³) na camada de saída. O tipo de treinamento aplicado foi o Resilient Propagation com função Sigmoidal e critérios de parada baseados em erro médio e numero de ciclos. Os critérios usados para a avaliação da melhor RNA foram: analise gráfica dos resíduos, coeficiente de correlação (r_ŷy), bias (viés) e raiz quadrada do erro quadrático médio (RQME). De acordo com os resultados obtidos, as RNAs treinadas para os três tipos de fitofisionomias apresentaram no gráfico de resíduos uma leve discrepância nas estimativas ate 1 m³. As estatísticas de precisão apresentaram resultados de 0,9352 para (r_ŷy) demonstrando que há alta correlação e baixo RQME de (0,3556).

MEMBROS DA BANCA:
Presidente - 142.060.489-91 - JOSE NATALINO MACEDO SILVA - Oxford
Interno - 186.346.999-00 - JOAO OLEGARIO PEREIRA DE CARVALHO - UFRA
Externo ao Programa - 2399897 - ALVARO AUGUSTO VIEIRA SOARES
Externo ao Programa - 388478 - PAULO LUIZ CONTENTE DE BARROS
Externo à Instituição - DANIEL HENRIQUE BREDA BINOTI - NENHUMA