Autoria: CERQUEIRA, C. L.; ARCE, J. E.; VENDRUSCOLO, D. G. S.; DOLÁCIO, C. J. F.; COSTA FILHO, S. V. S. da; TONINI, H.

Resumo: Modelagem do afilamento do fuste de eucalipto em sistema de integração Lavoura-Pecuária-Floresta. Este trabalho teve como objetivo avaliar e comparar a modelagem de efeitos mistos e redes neurais artificiais para estimar o afilamento de eucalipto em sistemas de integração Lavoura-Pecuária-Floresta (iLPF). Os dados foram coletados em uma área experimental de iLPF, implantada pela Empresa Brasileira de Pesquisa Agropecuária ? EMBRAPA Agrossilvipastoril, localizada no município de Sinop, Estado do Mato Grosso. Para alcançar o objetivo proposto, 165 árvores com 51 meses de idade foram cubadas para a modelagem do afilamento com modelos de efeitos mistos e redes neurais artificiais. O desempenho destas técnicas foi avaliado por meio de estatísticas de precisão e análise gráfica. A modelagem de efeitos mistos e redes neurais artificiais são eficientes e recomendadas para estimativa do afilamento de eucalipto em sistema de integração Lavoura-Pecuária-Floresta; contudo, apesar de ambas técnicas avaliadas apresentarem resultados precisos para predição do afilamento das árvores amostradas, a rede neural artificial prediz valores com maior precisão que a modelagem de efeitos mistos. Palavras-chave: Biometria florestal, Inteligência artificial, Modelagem não linear mista. This paper aims to evaluate and compare the mixed effects modeling and artificial neural networks in order to estimate the taper of eucalyptus in integrated Crop-Livestock-Forestry (iCLF) systems. The data were collected in an experimental area of iCLF, implanted by the Brazilian Company of Farming Research ? EMBRAPA Agrossilvipastoril, located in the municipality of Sinop, Mato Grosso State, Brazil. To reach the proposed aim, 165 trees with 51 months of age were scaled for the taper modeling with mixed effects models and artificial neural networks. The performance of these techniques was evaluated through precision measurements and graphical analysis. Mixed effects modeling and artificial neural networks are efficient and recommended in the estimative of taper of eucalyptus in integrated Crop-Livestock-Forestry system; however, despite both evaluated techniques present accurate results in predicting the taper of the sampled trees, the artificial neural network predicts values with greater precision than the modeling of mixed effects. Keywords: Forest biometry, Artificial intelligence, Nonlinear mixed modeling.

Ano de publicação: 2019

Tipo de publicação: Artigo de periódico

Unidade: Embrapa Pecuária Sul

Palavras-chave: Biometria, Floresta, Integração, Lavoura, Pecuária