Abstract This study aimed to assess the potential of artificial neural networks (ANN) as a tool to estimate deforestation rates in the municipality of São Félix do Xingu, PA, Brazil. The following input variables were used: deforestation rate until 2014, slope, altitude, Euclidean distance to roads and rivers, permanent preservation area (PPA), and property area. A total of 2,800 properties were used, of which 2,000 were used for training and 800 for validation of the networks. The input layer included nine neurons: six as quantitative variables and three as categorical variables. The output layer included a single neuron - the deforestation rate. The training results indicated high correlation (r = 0.92) and root mean square error (RMSE) of 12.4%. Validation of the model estimated RMSE = 12.9% and r = 0.91. The study results evidenced the high potential of ANN as a tool to estimate farm deforestation rates.

RESUMO: Objetivo deste estudo foi caracterizar a composição florística, a estrutura da vegetação e os grupos ecológicos das espécies arbóreas em área de cerradão em Palmas, Tocantins. Foi realizado um inventário florestal em área de 10,15 hectares, utilizando amostragem sistemática com parcelas de 400 m², onde foram amostradas e identificadas todas as árvores vivas e mortas em pé, com DAP ≥ 5 cm. Na análise da suficiência amostral utilizou-se a regressão linear com resposta em platô (REGRELRP). A diversidade florística foi avaliada pelo o índice Shannon (H') e a estrutura horizontal pelo o Índice de Valor de Importância (IVI). Na análise da estrutura vertical, a floresta foi classificada em três estratos. A REGRELRP revelou que a intensidade amostral foi adequada. Predominam na área as famílias Fabaceae e Chrysobalanaceae, e as espécies Myrcia splendens, Emmotum nitens e Qualea parviflora. O grupo composto por espécies pioneiras predominam (613 indivíduos ha-1), e as climácicas (530 indivíduos ha-1). No quesito riqueza, as espécies clímax sobressaíram (57 espécies), pioneiras (25 espécies). A diversidade alfa florística foi de 3,35 nats indivívideos-1 e o valor de equabilidade de Pielou J = 0,76. A distribuição diamétrica apresentou comportamento exponencial negativo e balanceada. Em relação aos estratos verticais, a menor quantidade de indivíduos é encontrada no estrato superior (13%), a maior no estrato médio (63%) e o estrato inferior (24%). A área estudada foi caracterizada como estruturada e diversa conforme composição florística e fitossociológica encontrada, apresentou heterogeneidade de espécies, predominantemente clímax. O cerradão apresentou bom estado de conservação, demostrando sua capacidade de resiliência a pequenos distúrbios.

ABSTRACT: The objective of this study was to characterize the floristic composition, vegetation structure and ecological group of tree species in a cerradão forest (Cerrado biome) of Palmas, Tocantins State, Brazil. A forest inventory was performed in an area of 10.15 hectares, using systematic sampling with plots of 400 m², in which all standing trees, alive and dead, that had diameter at breast height (DBH) ≥ 5 cm were sampled and identified. A linear plateau regression model (LPR) was used for sample sufficiency analysis. The Shannon index (H') was used for assess the floristic diversity, and the Importance Value Index (IVI) for assess the horizontal structure. The forest was classified in three strata according to vertical structure analysis. The LPR showed that the sampling size was adequate. The predominate species in the area were Myrcia splendens, Emmotum nitens and Qualea parviflora, and species from the families Fabaceae and Chrysobalanaceae. The pioneer (613 individuals ha-1) and climax (530 individuals ha-1) species were the predominating groups. Regarding the richness index, the number of climax (57 species) and pioneer (25 species) species stood out. The alpha floristic diversity was 3.35 nats individuals-1 and the Pielou equability value J = 0.76. The diametric distribution showed a negative and balanced exponential pattern. Regarding the vertical stratification, the smallest amount of individuals was in the upper stratum (13%) and the highest in the mid stratum (63%) and in the lower stratum (24%). The use of floristic composition tools with horizontal and vertical structure analysis was effective for understand the tree community, which may be considered structured and diverse, thus able to restructure possible disturbances when preserved.

RESUMO A predição da produção de povoamentos florestais por classe diamétrica é de suma importância quando se tem por objetivo gerar multiprodutos da madeira. Assim, objetivou-se, neste trabalho, estimar a produção de um povoamento de clones do híbrido de Eucalyptus urophylla x Eucalyptus grandis por classe diamétrica, utilizando a variável índice de local (S). A classificação da capacidade produtiva de cada parcela foi feita por meio de curvas de índices de local, empregando-se os métodos da curva-guia e da equação das diferenças. Em seguida, ajustou-se a função densidade de probabilidade (f.d.p.) Weibull de dois parâmetros pelo método da máxima verossimilhança. Para a projeção dos parâmetros da f.d.p., utilizou-se um sistema de equações com inclusão da variável S. A avaliação do ajuste desse sistema foi feita por meio da análise dos gráficos de resíduos e das estatísticas de precisão: coeficiente de determinação ajustado (R2ajust) e erro-padrão da média relativo (Syx%). O ajuste foi realizado utilizando 80% das parcelas e as 20% restantes, utilizadas para validação. A classificação da capacidade produtiva por meio de índices de local foi eficiente pelos dois métodos avaliados, sendo selecionado o método da curva-guia devido à sua simplicidade e facilidade de aplicação. O sistema de equações com inclusão da variável índice de local (S) foi preciso na modelagem da distribuição diamétrica do povoamento analisado. A aplicabilidade do sistema de equações se mostrou bastante eficiente para três prognoses consecutivas.

ABSTRACT The prediction of the production of forest stands by diameter class has great importance when it aims to generate timber multiproduct. Keeping this in view, this study aimed to estimate the production of a stand of clones of hybrid Eucalyptus urophylla x Eucalyptus grandis by diameter class using the variable site index (S). The classification of the productive capacity of each plot was taken by site index curves using the methods of the guide curve and the difference equation. Then the Weibull probability density function (p.d.f.) of two parameters was adjusted by the maximum likelihood method. To project the parameters of the p.d.f., a system of equations was used with the inclusion of the variable S. The rating of system adjustment was made by analyzing the residual graphs, and accuracy statistics: adjusted coefficient of determination (R2adjust) and relative standard error of the mean (Syx%). The adjustment was performed using 80% of the plots and the remaining 20% were used for validation. The classification of productive capacity through site index was efficient by the two evaluated methods, but the guide-curve method was selected due to its simplicity and ease of application. The system of equations with inclusion of local index variable (S) was necessary for modeling the diameter distribution of the analyzed stand. The applicability of the equation system proved quite effective for three consecutive prognoses.

Resumo:O objetivo deste trabalho foi avaliar a eficácia da aplicação de modelos de análise de regressão e redes neurais artificiais (RNAs) na predição do volume de madeira e da biomassa acima do solo, da vegetação arbórea em área de cerradão. Volume de madeira e biomassa foram estimados com equações alométricas desenvolvidas para a área de estudo. Os índices de vegetação, como variáveis preditoras, foram estimados a partir de imagens do sensor LISS-III, e a área basal foi determinada por medições na floresta. A precisão das equações foi verificada pela correlação entre os valores estimados e observados (r), erro-padrão da estimativa (Syx) e gráfico residual. As equações de regressão para o volume de madeira total e do fuste (0,96 e 0,97 para r, e 11,92 e 9,72% para Syx, respectivamente) e para a biomassa (0,91 e 0,92 para r, e 22,73 e 16,80% para Syx, respectivamente) apresentaram bons ajustes. As redes neurais também apresentaram bom ajuste com o volume de madeira (0,99 e 0,99 para r, e 4,93 e 4,83% para Syx) e a biomassa (0,97 e 0,98 r, e 8,92 e 7,96% para Syx, respectivamente). A área basal e os índices de vegetação foram eficazes na estimativa do volume de madeira e biomassa para o cerradão. Os valores reais de volume de madeira e biomassa não diferiram estatisticamente dos valores estimados pelos modelos de regressão e redes neurais (χ2ns); contudo, as RNAs são mais acuradas.

Abstract:The objective of this work was to evaluate the effectiveness of regression models and artificial neural networks (ANNs) in predicting wood volume and aboveground biomass of arboreal vegetation in area of tall Cerrado (a forest, savanna-like vegetation). Wood volume and biomass were estimated with allometric equations developed for the studied area. The vegetation indices, as predictor variables, were estimated from LISS-III sensor imagery, and the basal area was determined from field measurements. Equation precision was verified by the correlation between estimated and observed values (r), standard error of estimate (Syx), and by the residual plot. The regression equations for total wood volume and bole volume (0.96 and 0.97 for r, and 11.92 and 9.72% for Syx, respectively), as well as for aboveground biomass (0.91 and 0.92 for r, and 22.73 and 16.80% for Syx, respectively) showed good adjustments. The neural networks also showed good adjustments for both wood volume (0.99 and 0,99 for r, and 4.93 and 4.83% for Syx) and biomass (0.97 and 0.98 for r, and 8.92 and 7.96% for Syx, respectively). Basal area and vegetation indices were effective in estimating wood volume and biomass for the tall cerrado vegetation. Measured wood volume and aboveground biomass did not differ statistically from the predicted values by both the regression models and neural networks (χ2ns); however, the ANNs are more accurate.