Densidade básica da madeira de plantios florestais de Eucalyptus spp.: associações com variáveis do sítio e do plantio e estimativas com redes neurais artificiais

Carregando...
Imagem de Miniatura

Data

2017-12-01

Autores

Ribeiro, Maria Dolores dos Santos Barzotto

Título da Revista

ISSN da Revista

Título de Volume

Editor

Universidade Estadual Paulista (Unesp)

Resumo

A densidade básica da madeira é uma das mais importantes propriedades que afetam o processo produtivo na indústria de base florestal. Sendo a madeira o resultado da combinação da quantidade e da distribuição dos diferentes elementos anatômicos e suas inter-relações com os fatores externos que tangem sobre ela, estudar a associação destas variáveis na formação da madeira, isoladamente, permite tomar decisões mais assertivas quanto ao manejo integrado do sítio, proporcionando ganhos em produtividade e qualidade. As taxas de crescimento de um povoamento florestal e a densidade da madeira são influenciadas pelas variáveis de sítio e de plantio de forma distinta, com tendência ora positiva, ora negativa. A inclusão dessas variáveis em um modelo de estimativa de densidade básica, apesar de possibilitar um maior realismo biológico, traz complexidades à modelagem e à quantificação destas influências. Além disso, alguns componentes qualitativos – variáveis categóricas - como a classificação do tipo de solo e material genético geram dificuldades de modelagem ao serem integrados em equações matemáticas. Assim, em muitos casos, devido às complexidades de ajuste, os modelos estatísticos tornam-se limitados na solução problemas estruturados da gestão de recursos florestais. A técnica de Redes Neurais Artificiais é alternativa para modelagem linear e não linear, estimando a densidade básica a partir de bases de dados históricos para um cadastro de informações semelhantes pelo método de generalização. Neste trabalho, a partir dos dados históricos de 25 materiais genéticos de Eucalyptus spp. - 14 clonais e 11 seminais - em primeira e segunda rotação, com idades variando de 4 a 11 anos e cultivados em cinco regiões edafoclimáticas distintas, foi estudada a densidade básica da madeira com e sem casca de 1.217 árvores. Primeiramente, foram estabelecidas as correlações canônicas entre as variáveis do sítio, do plantio e a densidade básica da madeira, com e sem casca. Foram avaliadas duas funções, sendo ambas significativas a 1% de probabilidade. Apenas a primeira função canônica apresentou alto coeficiente de determinação canônico (0,762). Esses resultados preliminares mostram que as correlações canônicas são eficientes para explicar as correlações existentes entre as variáveis do sítio e do povoamento com a formação da madeira e sua densidade básica. Posteriormente, a técnica de Redes Neurais Artificiais foi empregada na estimativa da densidade básica da madeira utilizando variáveis ambientais e do plantio, sendo esta última dividida em dois bancos de dados, consultando a informações do inventário florestal pré-corte e também, avaliando as redes permanentes de parcelas do inventário florestal contínuo. A técnica de Redes Neurais Artificiais proporcionou estimativas satisfatórias da densidade básica da madeira, com raiz quadrada do erro quadrático médio (RMSE) de 1,92% para densidade com casca e 2,01% para sem casca para dados do inventário florestal pré-corte e RMSE de 1,97% para densidade com casca e 2,06% para sem casca com dados do inventário florestal contínuo, mostrando-se, assim, ferramenta rápida e eficaz. Além do potencial estatístico, a técnica proporciona redução de custo operacional, por utilizar bases de dados de séries históricas para o ajuste das estimativas, reduzindo a necessidade de novas amostragens.
The wood basic specific gravity is one of the most important characteristics affecting the productive process in the forest-based industry. Since wood is the result of the combination of the quantity and distribution of the different anatomical elements and their interrelations with the external factors that affect them, studying the association of these variables in the formation of wood alone allows us to make more assertive decisions regarding the management of the site, providing gains in productivity and quality. The growth rates of a forest stand and the wood specific gravity are influenced by the edaphoclimatic variables in a distinct way, with a positive and sometimes negative trend. The inclusion of these variables in a basic specific gravity estimation model, in spite of allowing a greater biological realism, brings complexity to the modeling and quantification of these influences. In addition, some qualitative components - categorical variables - such as soil type classification and genetic material cannot be integrated into mathematical equations. Thus, in many cases, statistical models cannot be used more broadly to solve structured problems of forest resource management. The Artificial Neural Networks technique is an alternative for linear and nonlinear modeling, estimating the basic specific gravity from historical databases for a whole register of similar information by the generalization method. In this work, from the historical data of 25 genetic material of Eucalyptus spp. - 14 clonal and 11 seminal - in first and second rotation, with ages varying from 4 to 11 years and cultivated in five distinct edaphoclimatic regions, the wood basic specific gravity of 1,217 trees was studied. Firstly, the canonical correlations were established between site variables, planting density and wood basic specific gravity (evaluated in disks with and without bark). Two functions were evaluated, both of which were significant at 1% probability. Only the first canonical function had a high coefficient of canonical determination (0.762). These preliminary results show that the canonical correlations are efficient to explain the correlations between site and settlement variables with the formation of wood and its basic specific gravity. Subsequently, the Artificial Neural Networks technique was used to estimate the wood basic specific gravity using environmental and planting variables, the latter being divided into two databases, referring to information from the pre-cut forest inventory and also evaluating the permanent networks of parcels of the continuous forest inventory. The Artificial Neural Networks technique provided satisfactory estimates of the wood basic specific gravity using data from pre-cut forest inventory, with root mean square error (RMSE) of 1.92% for analysis with full disks (wood+bark) and 2.01% for analysis considering disks without bark; RMSE was 1.97% and 2.06%, respectively, using data from the continuous forest inventory, thus showing a fast and efficient tool. In addition to statistical potential, the technique provides operational cost reduction using historical series databases to adjust estimates, reducing the need for new samplings.

Descrição

Palavras-chave

Funções canônicas, Variáveis climáticas, Redes Neurais Artificiais, Inventário florestal, Eucalyptus spp., Canonical functions, Climatic variables, Site, Forest Inventory, Artificial Neural Networks

Como citar