Este estudo teve como objetivos desenvolver um modelo completo em nível de árvore individual para um fragmento de Floresta Estacional Semidecidual Montana utilizando redes neurais artificiais (RNA) e validar a sua aplicação. Dados provenientes de dez parcelas permanentes em um fragmento florestal de 17 ha no município de Viçosa, MG, em estágio médio de sucessão ecológica, monitoradas durante 14 anos (1994, 1997, 2000, 2004 e 2008) foram utilizados para este propósito. O conjunto de dados foi dividido aleatoriamente em dois grupos: 1) grupo de treinamento das redes, composto por seis parcelas e totalizando 3.556 casos nas cinco medições, sendo observados 231 casos de mortalidade e 238 casos de ingresso, e 2) grupo de validação do modelo, composto por quatro parcelas, totalizando 2.062 casos, sendo observados 181 casos de mortalidade e 146 casos de ingresso. O trabalho foi dividido em quantro capítulos onde, no capítulo I, foram avaliados diferentes índices de competição independentes, dependentes e semi-independentes da distância, sendo selecionados aqueles melhores para os estudos de crescimento e mortalidade nos capítulos posteriores. Nos capítulos II e III foram avaliados e comparados diferentes arquiteturas e tipos de redes neurais para estimativa da mortalidade regular das árvores, bem como para projeção do diâmetro, altura total e do fuste. No capítulo IV, realizou-se a validação das redes empregando-se o conjunto de dados independentes. Além das redes selecionadas considerou-se a taxa média de ingresso em cada período de medição, no primeiro grupo de dados, na projeção da estrutura da floresta (validação). Após as análises, observou-se que, de maneira geral, os índices de competição foram correlacionados com o crescimento e probabilidade de mortalidade das árvores. Verificou-se, também, a eficiência das redes neurais na estimação da mortalidade das árvores e para a projeção do crescimento, sendo obtidas estimativas precisas. Na validação, projetou-se a mortalidade, o crescimento e o ingresso da primeira medição (1994) até o ano de 2008, os quais foram comparados aos valores observados. O modelo em nível de árvore individual foi eficiente na simulação do crescimento e produção florestal em todos os níveis de detalhamento (povoamento total, distribuição diamétrica e de altura e em nível de árvore individual). Os resultados confirmaram o potencial de utilização de modelos em nível de árvore individual por meio de redes neurais artificiais em florestas naturais estruturalmente complexas, como é o caso da Floresta Estacional Semidecidual Montana.
This study aimed to develop a complete model in individual tree basis for a fragment of Semideciduous Montana forest using artificial neural networks (ANN) and validate their application. Data from ten permanent plots in a forest of 17 ha in Viçosa, MG, at the intermediate stage of ecological succession, monitored for 14 years (1994, 1997, 2000, 2004 and 2008) were used for this purpose. The data set was randomly divided into two groups: 1) training networks group, consisting of six parcels totaling 3,556 cases at five measurements, observed 231 cases of death and 238 cases of ingrowth, and 2) the validation model group, consisting of four parcels, totaling 2,062 cases, with 181 cases of death and 146 cases of ingrowth. The work was divided into four chapters where, in Chapter I, we evaluated different competition indexes independent, dependent and semi-independent of distance, and selected those best for studies of growth and mortality in later chapters. In Chapters II and III were evaluated and compared different types and architectures of neural networks to estimate mortality regular trees, as well as projection of diameter, total height and bole height. In Chapter IV, there was the validation of networks employing the set of independent data. Besides the selected networks was considered the average rate at each measurement period, the first data group, the projection of the forest structure (validation). The analysis showed that, overall, the competition indexes were correlated with the probability of mortality and growth of trees. There was also verified that the neural networks efficiency in the estimation of tree mortality and the growth projection, accurate estimates are obtained. In validation, designed to mortality, growth and ingrowth of the first measurement (1994) by the year 2008, which were compared to the observed values. The model for individual tree basis was efficient in simulating forest growth and yield at all levels of detail (stand level, diameter and hight distribution level and individual tree level). The results confirmed the potential use of individual tree basis models through artificial neural networks in natural forests structurally complex, as is the case of the Semideciduous Montana Forest.
