Este trabalho teve como objetivos aumentar a precisão das estimativas de altura de árvores e
diminuir a necessidade de aferição da altura em campo, levando à redução dos custos no inventário florestal
através da construção e validação de um modelo de estimação da altura de árvores em povoamentos de eucalipto
com a utilização de redes neurais artificiais. Os dados utilizados consistiram em três clones, compreendendo
cerca de 3.000 árvores em 145 parcelas permanentes com área média de 215 m2, mensuradas em seis ocasiões
(idades). As variáveis utilizadas para estimar a altura total das árvores dividiram-se em quantitativas: idade
(meses), diâmetro com casca a 1,30 m de altura a partir da superfície do solo (dap) e altura dominante média
da parcela; e qualitativa: tipo de solo com as respectivas classes. Para validação e aplicação da metodologia
proposta, foram consideradas duas situações: (a) quando há a introdução de um novo material genético e não
existem informações sobre a relação hipsométrica deste; (b) quando já se conhece a tendência de crescimento
em altura dos povoamentos implantados, obtida pela existência de medições em parcelas de IFC. Com as metodologias
testadas, obtiveram-se valores de coeficiente de correlação superiores a 0,99. As metodologias mostraram-se
eficientes para alcançar os objetivos propostos, garantindo alta precisão das estimativas obtidas através das
redes neurais artificiais.
The objective of this study was to increase the accuracy of estimates of tree height and to reduce
the need for measurement in field of height, leading to reduction of costs on forest inventory through the
construction and validation of a model for estimating the height of trees in stands of eucalyptus using artificial
neural networks. The data used in the experiment consisted of three clones, comprising nearly 3,000 trees
on 145 permanent plots with an average area of 215 m2, measured on six occasions (ages). The variables
used to estimate the total tree height were divided into quantitative and qualitative. The quantitative variables
were: age (months), shell diameter at 1.30 m height from the ground surface (dbh) and average dominant
height in the plot. The qualitative variables was the soil type in their respective classes. For validation and
application of the proposed methodology two situations were considered: (a) when there is the introduction
of new genetic material and there is no information about the hypsometric relation thereof, and (b) when
the trend of growth in height of the stands implanted obtained by the existence of measurements on inventory
plots is already known. Values of correlation coefficient higher than 0.99 were achieved with the tested methodologies.
The methods were effective to achieve the proposed objectives, ensuring high precision of the estimates obtained
through artificial neural networks.
