PREVISÃO DE DIÂMETROS AO LONGO DO FUSTE DE EUCALIPTO VIA REDES

NEURAIS ARTIFICIAIS

Nathalia de Paiva Mendonça¹, Mônica Canaan Carvalho², Lucas Rezende Gomide³,

Antônio Carlos Ferraz Filho4, Matheus Andrade Ferreira5
1
Engenheira Florestal, UFLA, Universidade Federal de Lavras, Departamento de
Ciências Florestais DCF / UFLA ([email protected]) Lavras-Brasil
2
Engenheira Florestal, Mestre em Engenharia Florestal, UFLA, Universidade
Federal de Lavras, Departamento de Ciências Florestais DCF / UFLA Lavras-Brasil
3
Engenheiro Florestal, Doutor em Engenharia Florestal, UFLA, Universidade Federal
de Lavras, Departamento de Ciências Florestais DCF / UFLA Lavras-Brasil
4
Engenheiro Florestal, Doutor em Engenharia Florestal, UFLA, Universidade Federal
de Lavras, Departamento de Ciências Florestais DCF / UFLA Lavras-Brasil
5
Engenheiro Florestal, UFLA, Universidade Federal de Lavras, Departamento de
Ciências Florestais DCF / UFLA Lavras-Brasil

Recebido em: 08/09/2015 – Aprovado em: 14/11/2015 – Publicado em: 01/12/2015

DOI: http://dx.doi.org/10.18677/Enciclopedia_Biosfera_2015_212

RESUMO
Objetivou-se avaliar e aplicar as redes neurais artificias (RNA) para estimar o
diâmetro (di) ao longo do fuste (hi) em um plantio de Eucalyptus sp., e com isso
comparar com o método de regressão linear por um polinômio do quinto grau (PQG).
Foram cubadas 74 árvores pelo método absoluto e destrutivo, coletando diâmetros
(di) a várias alturas (hi). Para realizar a modelagem de predição dos diâmetros, a
base de dados foi dividida em um conjunto de treinamento e outro de teste. O PQG
foi ajustado por meio do software estatístico R considerando o método dos mínimos
quadrados ordinários como procedimento de ajuste. As variáveis utilizadas para
estimar os diâmetros (di) das árvores pelo método do PQG foram: Dap (diâmetro a
1,30m), di, hi e Ht (altura total). A RNA do tipo perceptron de múltiplas camadas foi
implementada no software Scilab com o auxílio do ANN toolbox. As variáveis
utilizadas para o treinamento da RNA foram obtidas por meio de combinações com
diferentes operações matemáticas nos dados de Dap, hi e Ht. As estatísticas MAPE,
MAD, MSD, RSME (%) foram aplicadas nos dados estimados com a finalidade de
analisar os desvios frente aos dados observados e realizar a comparação entre os
métodos utilizados. Considerando uma comparação aplicada dos métodos, foi
calculado o volume e a quantificação do sortimento por árvore, usando como base
as estimativas geradas. A RNA em geral apresentou boas estatísticas e um melhor
gráfico residual. Conclui-se que ambas as metodologias mostraram-se eficientes
para alcançar os objetivos propostos, assim as RNA podem ser consideradas como
uma boa alternativa de uso e aplicação.
PALAVRAS-CHAVE: Afilamento, Inteligência Artificial. Manejo florestal

ENCICLOPÉDIA BIOSFERA, Centro Científico Conhecer - Goiânia, v.11 n.22; p.2419 2015
 FORECAST DIAMETERS ALONG THE STEM BY ARTIFICIAL NEURAL
NETWORKS

ABSTRACT
This study aimed apply and evaluate the artificial neural networks (ANN) to estimate
the diameter (di) along the stem (hi) in a plantation of Eucalyptus sp., and after
compare with the linear regression method for the fifth polynomial degree (QGP).
Seventy four trees were cubed by the absolute and destructive method. The
diameters (di) were collect at different heights (hi). To model the prediction of
diameters, was necessary divided the database into a training set and other for test
We adjusted the QGP and used the statistical software R considering the method of
ordinary least squares as adjustment procedures. The variables used to model by
regression QPG were: Dap (diameter 1,30m), di, hi and Ht (overall height). The ANN
perceptron type multilayer was implemented in Scilab software with the help of ANN
toolbox. The variables used for the training of ANN were obtained by an
combinations with different mathematical operations on data Dap, hi and Ht.The
statistics, MAP,MAD, MSD, RSME (%) were applied on the estimated data for the
purpose of analyzing the deviations compared to the observed data and compare the
methods used. Considering a apply comparison of the methods, the volume and the
quantification were calculated for individual trees, using the estimates data. The RNA
showed good statistics and a better residual plot. We conclude that both methods
were effective to achieve the proposed objectives. The RNA can be considered as a
good alternative to the use and application.
KEYWORDS: Forestry, Taper, Artificial Intelligence

INTRODUÇÃO
Atualmente o conceito de floresta de múltiplos produtos é bastante difundido
e, provavelmente é a opção que apresenta maior possibilidade de remuneração do
produto advindo de povoamentos florestais (SOARES et al. 2003). Seguindo a
abordagem do mesmo autor, percebe-se que há uma tendência de modernização
entre as empresas florestais brasileiras quanto à sua forma administrativa, pois vêm
passando a adotar tecnologias que possibilitam seu desenvolvimento e maior
retorno financeiro.
Nesse contexto, as técnicas que possibilitam a quantificação e qualificação
dos produtos florestais mostram-se necessárias ao setor, e para isso, os modelos de
afilamento (taper) apresentam-se como uma boa alternativa para determinação do
volume total e comercial de madeira em qualquer diâmetro ou altura especificada
(LEITE et al. 2006). GUIMARÃES, et al. (1992) afirmam que esta técnica já é
bastante difundida nos países que apresentam uma maior tradição florestal e dentre
as vantagens em utilizá-la, destaca-se a sua importância frente à decisão do manejo
e planejamento florestal, o que diretamente implica na maximização do
aproveitamento da madeira produzida.
O ponto mais importante na quantificação dos diâmetros é a possibilidade de
previsão do sortimento. Este tipo de inferência é empregado desde o inventário até o
planejamento florestal. A quantificação tem como caráter a possibilidade de previsão
da receita auferida, quando a empresa apresenta opções de venda de produtos
discriminados (toras) por especificações técnicas. Nesse sentido, há a possibilidade
de se explorar uma diversificação de produtos a serem extraídos do plantio.
Dessa maneira, os modelos polinomiais são frequentemente utilizados no
meio florestal e caracterizam-se por um ajuste de regressão, onde a variável
ENCICLOPÉDIA BIOSFERA, Centro Científico Conhecer - Goiânia, v.11 n.22; p.2420 2015
dependente é expressa pela razão entre o diâmetro (di) tomado ao longo do fuste e
o diâmetro a 1,30 m (Dap), ou seja, (di/Dap). Já as variáveis independentes
caracterizam-se pela razão entre a altura (hi) tomada ao longo do fuste e a altura
total (Ht) elevada a uma potência (pi), ou seja, (hi/Ht)^pi. No caso do polinômio do 5º
grau, desenvolvido por SCHOPFER (1966), essas potências são 1, 2, 3, 4 e 5,
(FISCHER, et al. 2001). Este modelo foi considerado acurado para estimativa dos
diâmetros e volume dos sortimentos para Eucalyptus grandis conforme os trabalhos
de SCHNEIDER et al. (1996), MÜLLER (2005) e MENDONÇA (2007) citado por
(FAVALESSA, 2011).
Entretanto, uma abordagem alternativa para a modelagem da função de
afilamento (taper) consiste no uso de redes neurais artificiais (RNA). Segundo
BINOTI (2013), a utilização de redes neurais artificiais (RNA) têm-se apresentado
como uma alternativa promissora em relação às técnicas de regressão no manejo
dos recursos florestais. O autor cita diversos trabalhos desenvolvidos visando à
adaptação e parametrização da rede para diversas situações, dentre elas: estimação
do volume de árvores (SILVA et al.,2009), crescimento e produção (BINOTI, 2010),
taper (DIAMANTOPOULOU, 2005; LEITE et al., 2010), modelos hipsométricos
(BINOTI et al., 2012a), modelagem da distribuição diamétrica (BINOTI et al., 2012b)
e também seu trabalho sobre estimação de altura para povoamentos de Eucaliptos, (
BINOTI, 2013).
Segundo HAYKIN, (2001) citado por BINOTI (2013) a estrutura maciça e
paralelamente distribuída (camadas); habilidade de aprendizagem e generalização;
tolerância a falhas e ruídos; modelagem de diversas variáveis e relações não
lineares; analogia neurobiológica e modelagem com variáveis categóricas
(qualitativas) e numéricas (quantitativas) são fatores que influenciam positivamente
no desempenho das redes neurais artificiais.
Assim, no presente estudo, objetivou-se aumentar a precisão das estimativas
diamétricas ao longo do fuste das árvores, tendo como métodos o uso das redes
neurais artificiais (RNA) e um modelo de regressão linear múltiplo (polinômio do
quinto grau) em um povoamento comercial de Eucalyptus dunni. De forma
complementar, buscou-se comparar a quantificação do volume individual das
árvores e do sortimento de madeira a partir dos diâmetros estimados.

MATERIAL E MÉTODOS
Base de dados
A área do estudo compreende um plantio comercial clonal da espécie
Eucaliptus dunni, cujo plantio encontra-se aos 8 anos de idade. No povoamento,
foram cubadas 74 árvores pelo método destrutivo e de forma absoluta, produzindo
um total de 820 diâmetros (di) à diferentes alturas relativas (hi). Estes registros
representam medições diamétricas ao longo do fuste comercial das árvores
plantadas.
Para realizar a modelagem de predição dos diâmetros, a base de dados
formada pelos registros supracitados foi dividida em dois conjuntos de dados
independentes: conjunto de treinamento e conjunto de teste. A função do conjunto
de treinamento foi de realizar o aprendizado para a rede e a estimativa dos
parâmetros do modelo. Já o conjunto de teste foi utilizado para avaliar a capacidade
de generalização das redes e do modelo de regressão, ou seja, avaliar a capacidade
das estimativas geradas a partir de dados desconhecidos.
ENCICLOPÉDIA BIOSFERA, Centro Científico Conhecer - Goiânia, v.11 n.22; p.2421 2015
 Logo, para formar o conjunto de treinamento, foram selecionadas 52 árvores
(aproximadamente 70% do total de árvores), as quais corresponderam a 568
diâmetros (di) à diferentes alturas relativas (hi). Já o conjunto de teste correspondeu
às demais 22 árvores, que apresentaram 252 diâmetros (di) para cada altura relativa
(hi) a serem estimados. Esta lógica foi aplicada em ambos os métodos de predição
para os critérios comparativos.

Métodos de predição

Polinômio do quinto grau (PQG)

A base de treinamento foi ajustada pelo modelo estatístico de regressão do

polinômio do quinto grau (Equação 1) por meio do software estatístico R (R CORE
TEAM, 2013), considerando o método dos mínimos quadrados ordinários como o
procedimento de ajustamento.
1 2 3 4 5
di h  h  h  h  h 
= β 0 + β1  i  + β 2  i  + β 3  i  + β 4  i  + β5  i  + ε i (1)
Dapi  ht i   ht i   ht i   ht i   ht i 

Em que: Dapi-diâmetro a altura de 1,30 metros do solo da arvore i; di -

diâmetro da árvore i obtido na respectiva altura hi ao longo do fuste comercial, hi -
altura de medição na posição i ao longo do fuste da arvore e hti - altura total da
árvore i.

Redes Neurais Artificiais (RNA)

As redes neurais artificiais (RNA) foram criadas com base na aprendizagem

de sistemas biológicos, representando uma rede complexa de neurônios
interconectados. Estes neurônios, do tipo Perceptron (ROSENBLAT, 1958), recebem
os valores de cada atributo (xi) bem como o valor de saída esperado. Os valores de
entrada recebem um peso aleatório, wi, que determina a contribuição da entrada xi
na saída do Perceptron. Segundo CARVALHO (2015), o somatório do produto
destes pesos (wi) e seus respectivos atributos (xi) é o valor de entrada para a função
de ativação, responsável pela classificação final do neurônio. Esta função, que pode
ser limiar, sigmoidal, hiperbólica ou semilinear, restringe a amplitude de saída do
neurônio e aplica a não linearidade do modelo. O aprendizado do neurônio consiste
em ajustar os pesos de cada entrada para que o valor de saída obtido seja igual ao
valor dado pela amostra de treinamento, no sentido de minimizar o erro.
Nesse sentido, para o presente estudo a rede neural artificial do tipo
perceptron de múltiplas camadas, foi implementada no software Scilab, versão 5.5.1,
com o auxílio do ANN toolbox. Para o treinamento e validação da rede, os dados de
entrada e saída foram normalizados em um intervalo de 0 a 1 utilizando a razão pelo
valor máximo de cada variável.
Com o intuito de aumentar a precisão das redes, diversas transformações
matemáticas foram realizadas com as variáveis DAP, HT e hi. Mediante aos diversos
testes preliminares, o conjunto de variáveis de entrada utilizadas na estimação dos
diâmetros, foi constituído por: HT , hi ,ln( HT ),ln( DAP ) * ln(hi ), DAP * ln( hi ), HT * ln( DAP ) .

ENCICLOPÉDIA BIOSFERA, Centro Científico Conhecer - Goiânia, v.11 n.22; p.2422 2015
 Foram realizados testes preliminares avaliando diferentes valores do termo
Momentum, taxa de aprendizagem e número de neurônios em cada camada oculta.
A rede neural foi estruturada com duas camadas ocultas de processamento, com 6
neurônios na primeira camada oculta e 1 neurônio na segunda camada. A função de
ativação adotada para todos os neurônios foi a do tipo sigmoidal. Os parâmetros de
aprendizagem selecionados para este trabalho foram: a) termo Momentum 0,9 e b)
taxa de aprendizagem de 0,07. A estrutura da rede utilizada neste trabalho pode ser
visualizada na Figura 1.

FIGURA 1 Representação da estrutura da rede neural

utilizada neste trabalho, onde: DAP - diâmetro à
altura do peito; ht - altura total da árvore; hi -
altura a ser estimado o diâmetro; dicc -
diâmetro correspondente a hi

O treinamento da rede foi realizado de forma supervisionada, ou seja, foram

apresentados, no conjunto de treinamento, os valores de entrada e saída esperada.
O método utilizado para o aprendizado da rede é o de retropropagação
(backpropagation), o qual consiste na mudança interativa dos pesos sinápticos a fim
de minimizar os erros de classificação para as próximas iterações. Na figura 2 é
possível visualizar o comportamento do erro quadrático médio para o conjunto de
dados de treinamento e de teste (normalizados) durante o treinamento da rede. Pelo
gráfico é possível compreender que o erro fica constante a partir de 380 iterações,
no entanto o critério de parada adotado neste trabalho foi de 500 iterações.

ENCICLOPÉDIA BIOSFERA, Centro Científico Conhecer - Goiânia, v.11 n.22; p.2423 2015
 Treinamento
Teste

FIGURA 2 Gráfico do erro quadrático médio normalizado obtido

para os conjuntos de treinamento e de teste durante
o treinamento da rede

Análise comparativa entre métodos

Devido à natureza diversa dos princípios dos métodos empregados, optou-se

por trabalhar com a análise dos desvios, sendo a diferença entre o dado observado
e o predito. Nesse sentido as estatísticas MAPE (Mean Absolute Percentage Error),
MAD (Mean Absolute Deviation) e MSD (Mean Squared Deviations) foram aplicadas,
indicando que os menores valores de suas estatísticas representam os melhores
resultados, ou seja, melhor o modelo se adapta aos dados. A média do erro
percentual absoluto (MAPE) manifesta a rigor como uma percentagem do erro.
Como esse número é percentual, pode ser mais fácil de entendê-lo em relação às
outras estatísticas. Já o desvio médio absoluto (MAD), manifesta a precisão nas
mesmas unidades que estão os dados, o que ajuda a conceituar a quantidade de
erros. E por último, a média do quadrado do desvio (MSD) é uma medida utilizada
para precisão dos valores da série, (KUMAR, 2009).
O calculo das estatísticas empregadas podem ser observadas em (2), (3) e
(4),
n
 yi − yˆ i 
∑ 
i =1  yi 
100
MAPE = (2)
n
n

∑y i − yˆ i
MAD = i =1
(3)
n
n

∑y
2
i − yˆ i
MSD = i =1
(4)
n

ENCICLOPÉDIA BIOSFERA, Centro Científico Conhecer - Goiânia, v.11 n.22; p.2424 2015
 Em que n= número total de observações da base de dados da cubagem; yi=
valor real obtido referente a i-ésima observação da base de dados; e ŷi = valor
predito referente a i-ésima observação da base de dados.
Para realizar comparações com outras aplicações de redes no setor florestal,
foi calculada a raiz quadrada do erro médio - RMSE (%) (5) para os dois métodos de
predição utilizados, em que yi são os diâmetros observados, ŷi os diâmetros
estimados, yi a média dos diâmetros totais observados e n o número total de
observações.

∑
n
100 (y i − yi )²
RMSE (%) = i =1
(5)
yi n

Aplicações diretas das estimativas

Após a análise dos desvios frente aos dados observados, considerou-se uma
comparação aplicada dos métodos. Assim, para a mesma base de conjunto teste
(22 árvores), foi realizado o cálculo do volume aproximado das árvores a cada seção
geométrica definida pelos pares di e hi utilizando a base de dados real de campo.
Neste caso, optou-se por utilizar o método de Smalian, conforme a Equação (6).

N
 g1 + g2i  1
v = ∑ i  ⋅ L + gf (Ht − hf ) (6)
i =1  2  3

Em que: v - volume total da árvore; g1i - área basal seção 1; g2i - área basal
seção 2; L- comprimento da seção; gf - área basal da última seção; Ht- altura total e
hf - comprimento da última seção, onde o último termo da expressão representa o
volume obtido por um cone, ou o topo da árvore.
Com os dados de diâmetros estimados pelos dois métodos (RN e PLQ), foi
realizado o volume aproximado (Smalian) de cada árvore e comparou-se com o
volume real anteriormente calculado.
Foi aplicado o teste estatístico t de Student com a finalidade de verificar se os
volumes obtidos a partir dos diâmetros estimados diferenciam-se dos dados
observados, com um nível de 5% de probabilidade. Assim, as hipóteses nulas
testadas foram a não diferença significativa entre os métodos e o real, de forma a
verificar se é possível a utilização das redes neurais artificiais como método de
predição dos diâmetros ao longo do fuste de uma árvore, sem a necessidade de uso
de uma função de afilamento. Outra comparação aplicada realizada foi a
quantificação do sortimento de madeira por produto especificado (Tabela 1).

TABELA 1 Especificação técnica dos tipos de produtos a serem gerados e

comercializados
Tipo de Produto di mín (cm) Comprimento (m)
1- Laminação 30,0 2,4
2- Serraria 25,0 4,0
3- Pallets 18,0 2,8
4- Celulose 7,0 2,6

ENCICLOPÉDIA BIOSFERA, Centro Científico Conhecer - Goiânia, v.11 n.22; p.2425 2015
Em que: di mín: representa o diâmetro mínimo de ponta da tora conforme especificação do
tipo de produto.

A partir dos parâmetros ajustados do PQG e do aprendizado da RNA, foi

possível estimar o diâmetro para qualquer altura, assim, utilizou-se as alturas
estabelecidas por cada produto.

RESULTADOS E DISCUSSÃO
A princípio, ao se analisar os valores das medidas estatísticas de comparação
entre os métodos, pode-se observar que ambos apresentam um desempenho
satisfatório. O resultado indica que é possível estimar os diâmetros ao longo do fuste
com certa precisão e confiança (Tabela 2). Pode-se observar que a RNA apresentou
os menores valores em duas das estatísticas aplicadas, podendo ser mais precisa
se comparada ao polinômio do quinto grau, um método tradicionalmente aplicado no
setor florestal brasileiro.

TABELA 2 Resultados das medidas estatísticas obtidas pelos métodos testados

Modelo MAD MAPE (%) MSD
PQG 0,7001 5,9467 0,9832
RNA 0,7048 5,0158 0,9597

De forma a confirmar os resultados das estatísticas supracitadas, a partir dos

resultados do quadrado do erro médio – RMSE (%) foi possível verificar que
novamente a RNA mostrou-se mais precisa, apesar de ter obtido valores próximos
ao do PQG, sendo 6,67% e 6,84% respectivamente.
BINOTI et al., (2014) aplicaram o modelo tradicional de regressão
(Schumacher Hall) para estimar volume individual de árvores de eucalipto spp.,
comparando com diferentes configurações de RNA. O modelo de regressão
apresentou um RMSE (%) de 7,28 enquanto a rede menor que 1. BINOTI et al.,
(2013) aplicaram as RNA para estimar a altura de povoamentos equiâneos de
eucalipto e obtiveram um RMSE (%) variando de 3 a 5. No presente estudo, a
estimativa do diâmetro a diversas alturas apresentou um resultado satisfatório para
ambos os métodos de estimativa. Entretanto, a RNA retratou menores valores e uma
menor dispersão dos resíduos, Figura 3.
As estimativas diamétricas (di) nas extremidades das árvores (hi) não
apresentaram os melhores resultados, como pode ser verificado na Figura 3. O
modelo do PQG apresentou maiores discrepâncias nos menores valores de
diâmetros estimados quando comparado à RNA.

a) b)

ENCICLOPÉDIA BIOSFERA, Centro Científico Conhecer - Goiânia, v.11 n.22; p.2426 2015
FIGURA 3: Comportamento do gráfico de resíduo ( yi − yˆ i ) ao longo do fuste das
árvores, sendo (a) observado e PQG e (b) observado e RNA. Sendo di (cm) o
diâmetro observado.
BINOTI et al., (2014), ao avaliarem graficamente os resultados, observaram
reduzida diferença nas estimativas das RNA ao se comparar com modelo de
Schumacher e Hall, contudo, as RNA apresentaram um melhor resultado
visualmente. De forma geral, pode-se optar pela escolha da RNA para o presente
estudo, já que a mesma apresentou um comportamento mais uniforme dos resíduos.
A partir dos dados estimados, pôde ser calculado o volume individual das
árvores pelo método de Smalian. Observou-se que volume calculado a partir das
estimativas do PQG apresentou um resultado um pouco mais próximo do
real.(Tabela 3). No entanto, para validar este resultado, foi aplicado o teste
estatístico t de Student, e verificou-se que os volumes foram estatisticamente iguais
a 5% de significância, entre o observado e a RNA, bem como entre o observado e o
PQG. As médias pelos dois métodos foram muito próximas entre si e próximas ao
observado (0,2832 m³). Indiretamente pode-se inferir que os diâmetros estimados
( d̂i ) pela regressão ou pela rede são estatisticamente semelhantes, e com isso seu
volume de forma análoga.

TABELA 3 Volume total considerando diferentes modelos

Método Volume (m³) t calculado t tabelado
Real 0,2832 - 2,0796
PQG 0,2813 -0,0440
RNA 0,2793 -0,1067

A Tabela 4 apresenta o resultado da quantificação do sortimento obtido por

tipo de produto, cujo valor foi oriundo das 22 árvores cubadas como teste.

TABELA 4 Sortimento de produtos gerados pelos métodos RNA e PQG para as

árvores
Número de produtos Número Resíduo
Método
1 2 3 4 Total toras (m³)
PQG 1 1 15 86 103 176,5
RNA 0 1 21 89 111 154,3

Pôde-se observar que o número total de toras por tipo de produto foi diferente
entre os métodos testados. Não foi gerada nenhuma tora para laminação (1) via
RNA, bem como grandes diferenças entre o produto pallets (3), pelos métodos
testados. A única semelhança foi o número de toras para serraria (2) e valores
próximos para o produto celulose (4). A explicação para o fato está na sensibilidade
do método de contagem de toras por produtos, já que o fator técnico diâmetro
mínimo de ponta (cm) oriundo de estimativa, é o que define ou não a sua existência.
Isso indica que pequenas alterações para baixo ou para cima das estimativas dos
diâmetros, muda consideravelmente o número de toras ao término dos cálculos.
Ao avaliar o número de toras total aproveitadas para as 22 árvores, pode-se
observar que as RNA proporcionaram um melhor aproveitamento do fuste das
árvores e um menor valor residual (m³). O uso das funções de afilamento são
usualmente aplicadas no setor florestal brasileiro para tomada de decisão, no
ENCICLOPÉDIA BIOSFERA, Centro Científico Conhecer - Goiânia, v.11 n.22; p.2427 2015
entanto, como a RNA apresentou em média, pelas estatísticas avaliadas, um bom
desempenho e um melhor gráfico residual em relação ao PQG, sua escolha para
utilização torna-se plausível.
CONCLUSÕES
A RNA apresentou, em média, pelas estatísticas avaliadas, um melhor
desempenho quando comparado ao modelo do PQG. Contudo, o volume individual
quantificado pelas estimativas não diferiram estatisticamente entre si, e os valores
absolutos quantificados pelo sortimento foram diferentes para os métodos, porém
não prejudica o uso dos mesmos. Portanto, pode-se afirmar que a RNA foi eficiente
para a estimação dos diâmetros no povoamento de Eucaliptus dunni mostrando-se
como uma boa alternativa de uso e aplicação.

REFERÊNCIAS
BINOTI, M. L. M. S; Redes neurais artificiais para prognose da produção de
povoamentos não desbastados de eucalipto. 2010. 54f. Dissertação (Mestrado
em Ciência Florestal) – Universidade Federal de Viçosa, Viçosa, MG, 2010.

BINOTI, D. H. B.; BINOTI, M.L.M.S.; GARCIA, H.G.; SILVA, A. Redução dos custos
em inventário de povoamentos equiâneos utilizando redes neurais artificiais.
Agrária, v. 8, p. 125-129, 2012a.

BINOTI, D. H. B.; BINOTI, M.L.M.S.; LEITE, H.G.; SILVA, A.; SANTOS, A.C.A.
Modelagem da distribuição diamétrica em povoamentos de eucalipto submetidos a
desbaste utilizando autômatos celulares. Revista Árvore, v.36, n.5, p.931-939,
2012b.

BINOTI, M.L.M.S.; BINOTI, D.H.B.; LEITE, H.G. Aplicação de redes neurais artificiais
para estimação da altura de povoamentos equiâneos de eucalipto. Revista Árvore,
Viçosa-MG, v.37, n.4, p.639-645, 2013.

BINOTI, D. H. B.; BINOTI, M. L. M. S.; LEITE, H, G. Configuração de redes neurais

artificiais para estimação do volume de árvores. Revista Ciência da Madeira
(Brazilian Journal of Wood Science), v. 5, n. 1, p. DOI: 10.12953/2177-6830.
v05n01a06, 2014.

BRACELPA. Disponível <http://bracelpa.org.br/bra2/?q=node/136>. Acesso em:

10 abril 2015.

CARVALHO, M. C. Modelagem preditiva da distribuição potencial de espécies

arbóreas na bacia hidrográfica do Rio Grande. Dissertação (Mestrado em
Ciências Florestais) – Universidade Federal de Lavras, 2015.

FAVALESSA, C.M.C. Funções de afilamento segmentadas e não segmentadas

para povoamentos de Tectona grandis L. f. no município de Rosário Oeste-MT.
2011.

FISCHER, F.; SCOLFORO, J.R.S; JÚNIOR, F.W.A.; MELLO, J.M.; MAESTRI, R.

Exatidão dos modelos polinomiais não-segmentados e das razões entre volumes

ENCICLOPÉDIA BIOSFERA, Centro Científico Conhecer - Goiânia, v.11 n.22; p.2428 2015
para representar o perfil do tronco de Pinus taeda. Ciência Florestal, v. 11, n. 1, p.
167-188, 2001.

GUIMARÃES, D. P.; LEITE, H. G. Um novo modelo para descrever o perfil do tronco.

Revista Árvore, v.16, n.2, p.170-180, 1992.

HAYKIN, S. Redes neurais: princípios e prática. Porto Alegre: 2001. 900p.

IPEF. Disponível <http://www.ipef.br/identificacao/cief/especies/dunnii.asp>.

Acesso em: 10 abril 2015.

KUMAR, S. Quantitative Methods. Gyan Publishing House, 2009.

LEITE, H. G.; GAMA. J. R,V.; CRUZ. J. P.; SOUZA. A.L. Função de afilamento para
virola surinamensis (ROLL.) WARB. Revista Árvore, Viçosa-MG, v.30, n.1, p.99-
106, 2006.

MENDONÇA, A. R.; SILVA, G. F.; OLIVEIRA, J. T. S.; NOGUEIRA, G. S.; ASSIS, A.

L. Avaliação de funções de afilamento visando a otimização dos fustes de
Eucalyptus sp.para multiprodutos. Cerne, Lavras, v.13, p.71-82, 2007.

MÜLLER, I.; FINGER, C. A. G.; SCHENEIDER, P. R. Forma do tronco e sortimentos

de Madeira de Eucalyptus grandis Hill ex Maiden, na região sudeste do estado do
Rio Grande do Sul. Ciência Florestal, v.15, n.3, p.293-305. Santa Maria. 2005.

R DEVELOPMENT CORE TEAM. R: a language and environment for statistical

computing. Vienna: R Foundation for Statistical Computing, 2013. Disponível em: <
http://www.R-project.org>.

SCHNEIDER, P. R.; FINGER, C. A. G.; KELIN, J. E. M.; TOTTI, J. A.; BAZZO, J. L.

Forma de fuste e sortimentos de madeira de Eucalyptus grandis Maiden para o
estado do Rio Grande do Sul. Ciência Florestal, v.6, n.1, p.79-88, 1996.

SCOLFORO, J.R.S.; FIGUEIREDO FILHO, A. Biometria florestal: medição e

volumetria de árvores. Lavras: Universidade Federal de Lavras / Fundação de Apoio
ao Ensino, Pesquisa e Extensão. 1998. 310p

SOARES, T. S.; VALE, A. B.; LEITE, H. G.; MACHADO C. C. Otimização de

multiprodutos em povoamentos florestais. Revista Árvore, v.27, n.6, p.811-820,
2003.

ENCICLOPÉDIA BIOSFERA, Centro Científico Conhecer - Goiânia, v.11 n.22; p.2429 2015