EFICIÊNCIA DE REDES NEURAIS ARTIFICIAIS NA ESTIMAÇÃO DE MORTALIDADE EM UMA FLORESTA ESTACIONAL SEMIDECIDUAL Renato Vinícius Oliveira Castro Prof. Adjunto Universidade Federal de São João del Rei (UFSJ) campus Sete Lagoas MG Prof. do Programa de Pós Graduação em Ciências Florestais da Universidade de Brasília (UnB) - DF
INTRODUÇÃO Os modelos de crescimento e produção florestal são importantes para predição do crescimento e permitem simular a dinâmica natural (Vanclay, 1994). Modelos em Nível de Árvore Individual (MAI) proporcionam maior detalhamento da dinâmica.
Leitura da primeira árvore LISTAGEM DAS ÁRVORES Leitura da próxima árvore Calcular o índice de competição A árvore está morta? Sim Computar a mortalidade Incluir os ingressos na listagem Não Não A árvore continua a crescer Não Avaliar o povoamento Sim remanescente Última árvore da lista? Sim Sim Outro período de crescimento? Não Finalizar Modelos em nível de árvore individual Gerar relatório
INTRODUÇÃO A mortalidade regular ocorre devido a competição entre as árvores, ou pela própria idade da árvore (Dixon, 2011). Por se tratar de fatores previsíveis, é possível sua estimação (Monserud, 1976; Zhao et al., 2006; Martins, 2011; Castro, 2011; Groom et al., 2012). Quando a morte ocorre por ações antrópicas ou danos por pragas, ventos ou incêndios, ela é definida como irregular, não sendo possível a sua estimação.
INTRODUÇÃO PM Pa Situação 0,07 0,50 V 0,07 0,04 M Logística PM 1 e 1 0 2. IC4 0,00639 1 0,95294 e 0,13522. IC4 Esse método é consagrado para prever a mortalidade de árvores em florestas homogêneas em todo o mundo
INTRODUÇÃO Em florestas inequiâneas com grande diversidade, são poucos os estudos de mortalidade em nível de árvore individual. Problemas com os tradicionais modelos de regressão: -Estratificação
INTRODUÇÃO A obtenção de uma equação de mortalidade para cada espécie é impraticável, devido ao grande número de espécies e reduzido número de dados (baixa abundância) para muitas delas, o que impediria o desenvolvimento de relações confiáveis.
INTRODUÇÃO Em florestas inequiâneas com grande diversidade, são poucos os estudos de mortalidade em nível de árvore individual. Problemas com os tradicionais modelos de regressão: -Estratificação -Variáveis qualitativas (características de sanidade das árvores, grupos ecológicos, famílias botânicas, dentre outras, que influenciam diretamente na mortalidade)
INTRODUÇÃO Potencial aplicação de RNA Uma rede neural é treinada a partir de dados reais conhecidos, adquirindo, após o correto treinamento, a sistemática necessária para executar adequadamente o processo desejado. A aplicação de dois métodos de previsão foram conduzidos no presente estudo: -Estimar a PM (quantitativa RNA para aproximação de funções) -Estimar o status da árvore (V ou M) (qualitativa RNA para classificação de dados)
INTRODUÇÃO Objetivo: Verificar a eficiência de diferentes arquiteturas de redes neurais para estimação de mortalidade em nível de árvores individuais em uma Floresta Estacional Semidecidual Montana.
MATERIAL E MÉTODOS Este estudo foi realizado no município de Viçosa, Minas Gerais, em um fragmento florestal pertencente à Universidade Federal de Viçosa, que possui 17 ha de área (42 52 W e 42 50 W de longitude e 20 44 S e 20 47 S de latitude).
MATERIAL E MÉTODOS O município de Viçosa pertence à região fitoecológica de Floresta Estacional Semidecidual Montana (VELOSO et al., 1991) e o fragmento estudado encontra-se em estágio médio de sucessão (FIGUEIREDO, 2011).
Figura 1 Área de estudo
MATERIAL E MÉTODOS Para o presente trabalho, foi amostrada uma área de um hectare, dividido em dez parcelas retangulares, não contínuas, de 1.000 m² cada (20 m x 50 m). Em cada parcela, as árvores foram identificadas e mensurados os diâmetros a 1,3 m de altura (dap) e as alturas (Ht) de todas as árvores com dap 5 cm, nos anos de 1994, 1997, 2000, 2004 e 2008. Classificação qualitativa
Critérios para classificação Infestação por Cipós Sem presença de cipós 1 Presença de cipós somente no fuste 2 Presença de cipós somente na copa 3 Presença de cipós no fuste e na copa 4 Iluminação de copa Copa recebendo radiação solar direta na sua parte superior e lateral 1 Copa recebendo radiação solar direta na sua parte superior 2 Ausência de radiação solar direta na copa 3 Qualidade da copa Boa: copa normal, sem presença de danos 1 Regular: copa com algum dano de pequena escala 2 Inferior: copa com severos danos, com poucos galhos e folhas 3 Grupo Ecológico Espécies dependentes de luz e que não ocorrem no sub- bosque, se desenvolvendo em clareiras ou bordas da floresta Desenvolvem-se em condições de sombreamento médio, como pequenas clareiras e sub-bosque não densamente sombreado Desenvolvem-se no sub-bosque em condições de sombra leve ou densa, podendo permanecer aí a vida toda ou crescer ate alcançar o dossel Espécies que em função da carência de informações não foram incluídas em nenhuma das categorias Classe Pioneiras (PI) Secundárias iniciais (SI) Secundárias tardias (ST) Sem classificação (SC)
MATERIAL E MÉTODOS O conjunto de dados foi dividido aleatoriamente em dois grupos, com restrições de representatividade da variabilidade dos dados em cada grupo. Treinamento: seis parcelas, totalizando 3.556 casos nas cinco medições. 231 casos de mortalidade. Generalização: quatro parcelas, totalizando 2.062 casos. 181 casos de mortalidade.
MATERIAL E MÉTODOS Treinamento das RNA Software Statistica 10.0, sendo testadas diferentes arquiteturas de redes MLP (Multilayer Perceptron) e RBF (Radial Basis Function). MLP - funções de ativação (identidade, logística, tangencial e exponencial). RBF - função identidade nos neurônios da camada de saída e de base radial (gaussiana) nos neurônios da camada intermediária.
Tabela 2 Variáveis utilizadas no treinamento das RNA para estimativa da mortalidade de árvores em um fragmento de Floresta Estacional Semidecidual, no município de Viçosa, MG Número da Rede Tipo Saída Entradas numéricas Entradas categóricas 1 a 300 MLP M A 1, A 2, dap 1, Ht 1, IID F, GE, C, IC,CC 301 a 600 MLP M A 1, A 2, dap 1, Ht 1, IDD F, GE, C, IC,CC Total de redes treinadas 900 601 a 900 MLP M A 1, A 2, dap 1, Ht 1, ISD F, GE, C, IC,CC 901 a 1.200 RBF M A 1, A 2, dap 1, Ht 1, IID F, GE, C, IC,CC 1.201 a 1.500 RBF M A 1, A 2, dap 1, Ht 1, IDD F, GE, C, IC,CC 900 1.501 a 1.800 RBF M A 1, A 2, dap 1, Ht 1, ISD F, GE, C, IC,CC 1.801 a 2.100 MLP Pm A 1, A 2, dap 1, Ht 1, IID F, GE, C, IC,CC 2.101 a 2.400 MLP Pm A 1, A 2, dap 1, Ht 1, IDD F, GE, C, IC,CC 900 2.401 a 2.700 MLP Pm A 1, A 2, dap 1, Ht 1, ISD F, GE, C, IC,CC 2.701 a 3.000 RBF Pm A 1, A 2, dap 1, Ht 1, IID F, GE, C, IC,CC 3.001 a 3.300 RBF Pm A 1, A 2, dap 1, Ht 1, IDD F, GE, C, IC,CC 900 3.301 a 3.600 RBF Pm A 1, A 2, dap 1, Ht 1, ISD F, GE, C, IC,CC
MATERIAL E MÉTODOS Generalização das RNA Após a seleção das melhores redes no treinamento, procedeu-se à generalização empregando os dados independentes daqueles utilizados durante o treinamento. As projeções foram realizadas apenas para a medição imediatamente posterior, ou seja, de 1994 para 1997; de 1997 para 2000; de 2000 para 2004 e de 2004 para 2008.
RESULTADOS E DISCUSSÃO
Porcentagem de fustes mortos RESULTADOS E DISCUSSÃO 14,0 12,0 10,0 8,0 6,0 4,0 2,0 0,0 (53) (54) (50) (48) (45) (41) (43) (42) (42) (40) (32) (30) 1994-1997 1997-2000 2000-2004 2004-2008 Intervalo de medição Observado Rede 7 - MLP: IID Rede 9 - MLP: IDD Teste K-S a 5% de significância - Rede 7: 0,078 n.s. ; Rede 9: 0,042 n.s. Figura 2 Porcentagem de indivíduos mortos observados e estimados pelas redes 7 e 9 para os dados de generalização, entre os intervalos de medição. Os valores sobre as barras, entre parênteses, representam o número de indivíduos qualificados como mortos.
Porcentagem de fustes mortos Porcentagem de fustes mortos Porcentagem de fustes mortos Porcentagem de fustes mortos RESULTADOS E DISCUSSÃO 14,0 12,0 10,0 8,0 6,0 4,0 2,0 0,0 (137) (119) (117) (9) (35) (8) (31) (30) (7) (14) (8) (6) (1) Ausente (2) Na copa (3) No fuste (4) Copa e fuste 20,0 18,0 16,0 14,0 12,0 10,0 8,0 6,0 4,0 2,0 0,0 (68) (24) (121) (31) (31) (109) (23) (96) (18) (1) Luz total na copa (2) Luz parcial na copa (3) Sem receber luz na copa Nível de infestação por cipós Nível de iluminação da copa Observado Rede 7 - MLP: IID Rede 9 - MLP: IDD Observado Rede 7 - MLP: IID Rede 9 - MLP: IDD 20,0 18,0 16,0 14,0 12,0 10,0 8,0 6,0 4,0 2,0 0,0 (37) (102) (78) (26) (72) (79) (66) (18) (43) (1) Boa (2) Regular (3) Ruim 20,0 18,0 16,0 14,0 12,0 10,0 8,0 6,0 4,0 2,0 0,0 (36) (21) (4) (4) (11) (113) (112) (116) (37) (38) (29) (0) (PI) Pioneiras (SI) Secundárias Iniciais (ST) Secundárias Tardias (SC) Sem Classificação Nível de qualidade da copa Grupo ecológico Observado Rede 7 - MLP: IID Rede 9 - MLP: IDD Observado Rede 7 - MLP: IID Rede 9 - MLP: IDD
2,5 7,5 12,5 17,5 22,5 27,5 32,5 37,5 2,5 7,5 12,5 17,5 22,5 27,5 32,5 37,5 Número de fustes vivos Número de fustes mortos 7,5 12,5 17,5 22,5 27,5 32,5 37,5 42,5 47,5 52,5 57,5 62,5 67,5 72,5 7,5 12,5 17,5 22,5 27,5 32,5 37,5 42,5 47,5 52,5 57,5 62,5 67,5 72,5 Número de fustes vivos Número de fustes mortos RESULTADOS E DISCUSSÃO 350 120 300 250 200 150 100 50 Observado Rede 7 - MLP: IID Rede 9 - MLP: IDD 100 80 60 40 20 Observado Rede 7 - MLP: IID Rede 9 - MLP: IDD 0 0 Classe de diâmetro (cm) Classe de diâmetro (cm) 350 120 300 250 200 150 100 50 Observado Rede 7 - MLP: IID Rede 9 - MLP: IDD 100 80 60 40 20 Observado Rede 7 - MLP: IID Rede 9 - MLP: IDD 0 0 Classe de altura (m) Classe de altura (m)
Família Botânica RESULTADOS E DISCUSSÃO Leguminoseae Euphorbiaceae Monimiaceae Flacourtiaceae Rubiaceae Annonaceae Lauraceae Myrtaceae Meliaceae Bignoniaceae Melastomataceae Solanaceae Rutaceae Sapindaceae Anacardiaceae Rosaceae Lacistemataceae Clusiaceae Apocynaceae Bombacaceae Piperaceae Sapotaceae Nyctaginaceae Indeterminada Asteraceae Vochysiaceae Verbenaceae Tiliaceae Olacaceae Myrsinaceae Moraceae Lecythidaceae Erythroxylaceae Celastraceae Cecropiaceae Burseraceae Observado Rede 7 - MLP: IID Rede 9 - MLP: IDD 0 10 20 30 40 Númeoro de fustes qualificados como mortos
RESULTADOS E DISCUSSÃO As redes neurais artificiais foram adequadas para estimar a probabilidade de mortalidade de árvores individuais. A rede 9 (MLP: 60-14-1) resultou nas estimativas mais precisas: - função de ativação exponencial, nas camadas intemediária e de saída - índices de competição dependente da distância.
CONCLUSÃO - RNA podem ser utilizadas com eficiência para estimar a mortalidade de árvores individuais em florestas inequiâneas. - O emprego de redes para aproximação de funções (estimativa da probabilidade de mortalidade) é indicada para predição da mortalidade em Floresta Estacional Semidecidual em estágio médio de sucessão.
EFICIÊNCIA DE REDES NEURAIS ARTIFICIAIS NA ESTIMAÇÃO DE MORTALIDADE EM UMA FLORESTA ESTACIONAL SEMIDECIDUAL Renato Vinícius Oliveira Castro renatocastro@ufsj.edu.br Prof. Adjunto Universidade Federal de São João del Rei (UFSJ) campus Sete Lagoas MG Prof. do Programa de Pós Graduação em Ciências Florestais da Universidade de Brasília (UnB) - DF