Artificial neural networks for classifying the productive capacity of a forest stand in the Jari region, western Pará

Abstract

O crescimento e a produção de um povoamento florestal dependem de indica-dores como a capacidade produtiva do local, que pode ser definido como o po-tencial do lugar para a produção de madeira, ou outro produto, em determinado lugar, para determinada espécieou clone. Desta forma, o objetivo deste estudo foi comparar métodos tradicionais e redes neurais artificiais na classificação da capacidade produtiva de sítios em plantios de Eucalyptus urograndis localizados na região do Jari, oeste do estado do Pará. Foram aleatorizadas 593 parcelas permanentes circulares com dimensão de 500 m² cada, onde foram monitorados anualmente 38.072 árvores no período de 2013 a 2017. Em cada parcela foram medidos o diâmetro a 1,30 m do solo (DAP, em cm) e a altura total (Ht, em me-tros) de nove árvores. Foram avaliados três métodos tradicionais: curva-guia (MCG), equação das diferenças (MED) e predição de parâmetros (MPP). Os cri-térios estatísticos empregados para avaliar a qualidade da classificação foram: BIAS (%), raiz quadrada do erro médio (RQEM (%)) e o coeficiente de correlação (r). As redes neurais artificiais foram superiores aos métodos tradicionais, ndicando o potencial do algoritmo para modelar a capacidade produtiva de sítios em povoamentos florestais.