Estimativa da altura de árvores de eucalipto desbastado em sistema agrossilvipastoril com rede neural artificial

Resumo

Uma abordagem alternativa para modelar relações hipsométricas envolve a aplicação de redes neurais artificiais (RNAs). O objetivo geral deste trabalho foi verificar a viabilidade da utilização de rede neural artificial (RNA) para estimativa da altura total de árvores de Eucalyptus urophylla x Eucalyptus grandis em sistema agrossilvipastoril e comparar seu desempenho em relação à modelo de regressão hipsométrico genérico. Para a estimativa da altura total das árvores, pela RNA e pelo modelo de regressão, utilizou-se a variável diâmetro à altura do peito (DAP) e idade das árvores e, para sua avaliação, usou-se o coeficiente de correlação, gráfico de dispersão dos erros percentuais, histograma de frequência dos erros percentuais, raiz quadrada do erro médio percentual, raiz quadrada do erro médio, viés e normalidade dos erros percentuais. A utilização do algoritmo de Levenberg-Marquardt e da arquitetura de quatro camadas intermediárias de 10 neurônios em cada uma das camadas, na RNA, proporcionou estimativa de boa acurácia e foi superior ao modelo de regressão hipsométrico.