Resumo:
O manejo de florestas equiâneas requer conhecimentos de três elementos essenciais: a classificação de terras, prescrição de tratamentos silviculturais e a predição (prognose) do crescimento e da produção. Este último elemento é, basicamente, a descrição da quantidade de madeira esperada nos cortes parciais e no corte final. Porém, antes de construir curvas de índices de local e de ajustar modelos de crescimento e produção, é necessário totalizar parcelas permanentes e isto requer dados de diâmetro a altura do peito (obtido por medição) e de altura total (ht) de árvores individuais (obtida por medição ou estimação). Há diversas formas para obter a altura, para tal podem ser utilizados instrumentos como os hipsômetros, ou modelos estatísticos, denominados de relações hipsométricas, que são expressões que relacionam a altura com o dap (diâmetro à 1,3 m de altura). Expressando corretamente essa relação através dos modelos de regressão, pode-se estimar a altura das árvores de um povoamento medindo apenas o seu dap. Uma abordagem para a modelagem da relação hipsométrica, consiste na aplicação de redes neurais artificiais (RNA), que são sistemas computacionais paralelos, constituídos de unidades de processamento simples, conectados entre si de forma a desempenhar determinada tarefa. A eficiência do emprego de redes neurais artificiais para estimação da altura em inventário florestal já foi confirmada em diversos estudos, porém na área da pesquisa não há registros de utilização desta técnica, sendo comum a medição da altura de todas as árvores nas parcelas experimentais. O objetivo deste trabalho foi testar a aplicabilidade de RNA na estimação da altura em testes clonais e de progênies, considerando dap, idade, tratamento e bloco como variáveis de entrada. Foram utilizados 8.329 dados de teste clonal, coletados em seis idades, divididos em 6 blocos e 5 repetições, e 36.793 dados para o teste de progênie, coletados em 5 idades e divididos em 10 blocos e 5 repetições. Foi treinada uma rede para cada tipo de teste, o banco de dados foi separado em dois conjuntos, o primeiro formado pelas árvores 1 e 2 de cada repetição, destinado ao treinamento das redes, e o segundo grupo, formado pelas árvores 3, 4 e 5, com a finalidade de aplicar e validar as redes treinadas. Os resultados demonstram que as redes podem ser usadas na estimação da altura das árvores submetidas aos mais diversos tratamentos das parcelas experimentais sem que haja perda da exatidão e precisão das estimativas.
