Predição da altura de Tectona grandis Linn F. por meio de modelos genéricos e redes neurais artificiais

Abstract

Na Amazônia oriental, ainda que a Tectona grandis seja comumente empregada, tem-se uma escassez de estudos direcionados à esta região e capazes de fundamentar o manejo florestal destes povoamentos. Com isso, investigou-se o desempenho dos modelos genéricos e das redes neurais artificiais (RNA) na predição da altura total de árvores de T. grandis em um povoamento florestal na Amazônia oriental. Neste povoamento foram conduzidos inventários florestais contínuos, onde foram mensurados a altura total e o diâmetro medido à 1,30 m do solo (dap) dos indivíduos amostrados. A predição da altura foi feita por modelos não lineares, lineares e RNA’s Multilayer Perceptron. Estes métodos utilizaram as variáveis dap, idade e, ou, diâmetro médio quadrático (dg). Utilizou-se 70% dos dados para ajuste dos modelos e treinamento das redes e restante aplicado para a validação dos métodos de predição. A avaliação da precisão dos métodos analisados foi feita por meio do erro padrão residual absoluto e percentual da estimativa (Syx e Syx %), do coeficiente de correlação (r) e da análise gráfica de resíduos. Foi utilizado ainda a diferença agregada e análise de variância (ANOVA) para comparar os modelos e as redes. Baseado no coeficiente de correlação, concluiu-se que as variáveis independentes estudadas são capazes de explicar o comportamento da altura dos indivíduos de T. grandis. O modelo linear foi igualmente e, ou, superior aos modelos não lineares. Ainda que não houve diferença significativa e os dois métodos estimaram as alturas precisamente, as RNA’s, principalmente as que englobam dg, apresentaram indicadores estatísticos superiores em relação à regressão.