Resumo:
O objetivo deste estudo foi treinar, testar e validar a eficiência de redes neurais artificiais (RNA) para realizar a estimação de altura e volume de árvores em povoamentos adensados de eucalipto. Os dados utilizados foram provenientes de plantios realizados em dezembro de 2002 na região do Alto Jequitinhonha, em Minas Gerais. O delineamento experimental foi dividido em blocos (três blocos), sendo testados cinco arranjos espaciais diferentes (3,0 x 0,5; 3,0 x 1,0; 3,0 x 1,5; 3,0 x 2,0; e 3,0 x 3,0 m). Foram utilizadas variáveis numéricas, como altura e diâmetro com e sem casca. Os dados foram divididos de forma aleatória em três grupos: treinamento (60%), teste (20%) e validação (20%). Os dados de treinamento foram utilizados para criar as redes neurais, do tipo perceptrons de múltiplas camadas (MLP) com o software NeuroForest 3.0. As RNAs de melhor desempenho no treinamento e teste foram selecionadas para realizar a sua validação. Para se comparar a eficiência das RNAs foram utilizados os modelos de Husch, Hohenald e Kreen e Schumacher e Hall para estimar o volume e para a altura total foram ajustadas as equações lnH = β0 + β1 × lnDAP + ε i e lnH = β0 + β1 × DAP−1 + ε i . Sendo que o modelo de Schumacher e Hall e a equação lnH = β0 + β1 × DAP−1 + ε i tiveram melhor resposta ao descrever a relação volumétrica e hipsométrica nos arranjos espaciais estudados. A comparação da eficiência das RNAs com as regressões se deu pela avaliação dos seus erros quadráticos médios (RMSE %) e correlação entre valores observados e estimados (r YY ) além da análise gráfica dos resíduos. Conclui-se que as Redes Neurais ̂Artificiais são eficientes para estimar com exatidão tanto o volume de árvores individuais quanto para projeção de altura total em povoamentos adensados.
