Please use this identifier to cite or link to this item: http://repositorio.ufes.br/handle/10/5051
Title: Estratificação de florestas de eucalipto com base na forma do fuste das árvores
metadata.dc.creator: Santos, Jeangelis Silva
Keywords: Levantamentos florestais;Amostragem (Estatística);Análise por agrupamento;Inteligência artificial;Redes neurais (Computação);Mensuração florestal
Issue Date: 28-Nov-2014
Publisher: Universidade Federal do Espírito Santo
Abstract: O inventário florestal é o principal método para a obtenção de informações quantitativas e qualitativas sobre as florestas. Entretanto, ao se trabalhar com grandes áreas, há o inconveniente das variáveis analisadas apresentarem grande heterogeneidade, sendo necessário adotar uma maior intensidade amostral. Nestes casos, uma alternativa para a realização dos inventários florestais é a estratificação da área em subpopulações mais homogêneas quanto a variável de interesse, garantindo estimativas mais precisas com uma menor intensidade amostral. Com isso, este estudo teve como objetivo realizar a estratificação de florestas de eucalipto considerando variáveis que descrevem a forma do fuste. Para tanto, foi utilizada uma base de dados contendo informações de 47.770ha de povoamentos de clones do gênero Eucalyptus.Osplantios são compostos porquatorze clones plantados sobtrês diferentes regimes de manejo (alto fuste, dividido em áreas de implantação e reforma, e talhadia) e quatro espaçamentos de plantios (6, 9, 10 e 16m2 de área útil por planta), com idades variando de quatroa seis anos. Inicialmente, foi realizada a estratificação da área, gerando um total de quarenta estratos, nos quais foram realizados a cubagem rigorosa e os inventários florestais. Em seguida, foram aplicados os métodos de agrupamento por similaridade de perfil, análise de componentes principais, classes de quociente de forma, classes de fator de forma artificial e redes neurais artificiais, gerando novos estratos de amostragem.A título de comparação, também foram consideradas amostragem sem estratificação, a estratificação completa (40 estratos iniciais), estratificação considerando a idade e o espaçamento, e estratificação apenas pela idade.Em seguida, foi realizado o cálculo dos estimadores populacionais para o inventário florestal, considerando cada método de estratificação apresentado, bem como o custo de realização do inventário florestal e cubagem rigorosa. Dentre os métodos propostos para estratificação dos povoamentos, os que apresentaram melhores resultados, quanto a precisão, foi o agrupamento porredes neurais artificiais e o agrupamento porclasses de quociente de forma (K0,5H). Em relação aos custos, o método de agrupamento por redes neurais artificiais também obteve melhores resultados, seguido pelo agrupamento pelo método da similaridade de perfis. Analisando conjuntamente precisão e custo, dentre todos os métodos avaliados, a utilização de redes neurais artificiais se mostrou a alternativa mais eficiente para a estratificação de florestas. Palavras-chave:Amostragem estratificada, inventário florestal, redes neurais artificiais.
The forest inventory is the main method to obtain quantitative and qualitative information on forests. However, when working with large areas, there is the inconvenience of the variables present great heterogeneity, being necessary to adopt a higher sampling intensity. In these cases, an alternative for the realization of forest inventories is the stratification of the area in more homogeneous subpopulations as the variable of interest, ensuring more accurate estimates with a lower sampling intensity. This study aimed to stratify eucalyptus forests considering variables that describe bole form. For this purpose, we used a database containing information of 47.770 ha with clonal Eucalyptus stands. The stands consisted of fourteen clones with three different management regimes (high forest, divided into areas of first and second rotations, and coppice) and four spacings (6, 9, 10 and 16 m2 per plant), aged four to six years. Initially the area stratification was performed, yielding forty strata, in which were performed the scaling and forest inventories. Then, were applied the clustering methods of profile similarity, principal component analysis, class of form quotient, class of form factor and artificial neural networks, generating new sampling strata. For comparison, were also considered sampling without stratification, the complete stratification (40 initial strata), stratification considering the age and spacing and stratification by age only. Then was conducted the calculation of population estimators for forest inventory considering each stratification method presented, as well as the cost of conducting a forest inventory and scaling. Among the methods proposed to stratify the stands, the ones that showed the best results in accuracy, was the clustering by artificial neural networks and clustering by class of form quotient (K0,5H). Regarding costs, the clustering method by artificial neural networks has also achieved best results, followed by clustering by profile similarity method. 8 By analyzing precision and cost, among all methods, the use of artificial neural networks proved to be the most efficient alternative to the stratification of forests
URI: http://repositorio.ufes.br/handle/10/5051
Appears in Collections:PPGCF - Dissertações de Mestrado

Files in This Item:
File Description SizeFormat 
tese_8325_Dissertacao_Jeangelis.pdf1.31 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.