Fome e Abundância: Um Paradoxo Brasileiro?

17 a 22 de outubro de 2016

Trabalho 5669

ISSN 2237-9045
Instituição Universidade Federal de Viçosa
Nível Graduação
Modalidade Pesquisa
Área de conhecimento Ciências Agrárias
Área temática Biologia, produção e manejo vegetal (agrícola e florestal)
Setor Departamento de Engenharia Florestal
Bolsa FAPEMIG
Conclusão de bolsa Sim
Apoio financeiro FAPEMIG
Primeiro autor Renata Paulo Macedo
Orientador HELIO GARCIA LEITE
Outros membros Ana Carolina de Albuquerque Santos, CARLOS PEDRO BOECHAT SOARES
Título Ajuste de equações e treinamento de redes neurais para estimar o estoque volumétrico e de carbono das tipologias florestais naturais do estado de minas gerais.
Resumo O estado de Minas Gerais possui cobertura vegetal extremamente rica e diversa, agrupada em três grandes biomas: a Mata Atlântica, o Cerrado e a Caatinga, com suas inúmeras formações fitoecológicas, responsáveis por uma grande diversidade de paisagens. O último inventário do Estado disponibilizou uma série de dados, que permitem a condução de pesquisas objetivando o desenvolvimento de ferramentas para o gerenciamento dos recursos florestais destes biomas, a fim de otimizar o uso dos recursos e garantir a sustentabilidade da produção. Entre estas ferramentas, destacam-se as equações de volume e de carbono, em nível de povoamento, e as redes neurais artificiais (RNA). Com essas técnicas é possível estimar o potencial de produção de madeira, bem como simular diferentes alternativas de manejo para as florestas. Assim sendo, este projeto de pesquisa teve por objetivo: Ajustar modelos em nível de povoamento visando obter equações para estimar o estoque de volume e de carbono para as tipologias florestais naturais do estado de Minas Gerais; construir e treinar modelos de RNA para estimar esses estoques; e comparar os dois métodos supracitados e verificar o potencial de uso dos mesmos para estimar os dois estoques para as diferentes tipologias encontradas no estado. Os modelos de regressão testados foram o Schumacher e Hall e de Spurr. As redes neurais foram mais eficientes para estimar os volumes de madeira, em relação às equações ajustadas. Para o estoque de carbono, as equações ajustadas resultaram em maior precisão em relação à RNA no bioma Caatinga, mesma precisão no Cerrado e menor precisão no bioma Mata Atlântica. Para qualquer um desses biomas, maior exatidão com o emprego de redes neurais artificiais pode ser conseguida à medida em que forem incluídas mais variáveis de entrada, categóricas e contínuas, no treinamento das redes. Neste estudo foi utilizado algoritmo de treinamento Resilient propagation, RPROD+. Novamente, para outros conjuntos de dados, é possível que outros algoritmos sejam mais eficientes, resultando em maior exatidão em relação aos resultados deste estudo, dentre eles, o Skip Layer, o Neat e o usual Backpropagation.
Palavras-chave Carbono, regressão, inteligência computacional.
Forma de apresentação..... Painel
Gerado em 0,71 segundos.