Daniel Henrique Breda Binoti
Diretor de Pesquisa e Desenvolvimento da DAP Engenharia Florestal
daniel.binoti@dapflorestal.com.br
Helio Garcia Leite
Professor da Universidade Federal de Viçosa
Pablo Falco Lopes
Evandro Ferreira
Dap Engenharia Florestal
A implementação de técnicas de inteligência computacional na ciência florestal, como as Redes Neurais Artificiais (RNA), permite obter estimativas com elevada exatidão de características quali e quantitativas de povoamentos florestais e processos industriais.
Diversas empresas do setor florestal estão utilizando essa tecnologia, com reduções expressivas nos custos de processamento e coleta de dados em campo. Várias são as aplicações dessa tecnologia, podendo destacar a estimativa de altura e forma das árvores no inventário florestal, redução no número de parcelas e árvores mensuradas em campo, contagem de árvores a partir de imagens de VANT’s, estimativa de densidade da madeira, do volume de madeira empilhada, do enraizamento de mudas, dentre outras.
Percebe-se que, com a utilização dessa ferramenta, pode-se reduzir os custos de coleta de informações e melhorar a assertividade das estimativas geradas.
Importância da RNA para as florestas
A principal peculiaridade do setor florestal é a produção a longo prazo. Nesse setor assume-se um horizonte de planejamento longo em função do tempo necessário para a produção de madeira ou qualquer outro produto florestal. Assim, o segmento deve lidar com diversos fatores econômicos, climáticos, técnicos, sociais e ambientais.
Desse modo, o conhecimento de características dos povoamentos florestais é fator crucial para a tomada de decisão para o planejamento de toda a cadeia florestal. Por exemplo, se o crescimento florestal estiver muito abaixo do esperado nos primeiros anos devem-se tomar atitudes para a mitigação desse problema visando uma boa produção na idade de corte, ou seja, os resultados de quaisquer intervenções nos plantios florestais só são percebidos a longo prazo, em escala de seis a sete anos, na maioria dos casos, diferente das demais culturas anuais do setor agrícola.
Em função disso, as estimativas de características dos povoamentos devem ser acertadas e completadas a fim de evitar perdas e deficiências nas produções futuras e manutenção do empreendimento florestal. Diante do exposto, as Redes Neurais Artificiais são importantes e eficientes ferramentas que o gestor pode utilizar nos processos de tomada de decisão.
Vantagens dessa tecnologia
A principal vantagem da adoção da técnica é a previsão de fenômenos e características de povoamentos florestais que são de difícil modelagem com ferramentas matemáticas e estatÃsticas tradicionais. Por exemplo, qual é o efeito das variações climáticas nos plantios florestais e na produção futura? Ou qual é a densidade da madeira de uma determinada espécie florestal em diversos espaçamentos e características de solo?
Outra grande vantagem é a possibilidade de redução das amostragens de campo e economia de custos, pois como a técnica tem grande poder de modelagem matemática, pode-se reduzir muito o custo de coleta de informações em campo e manter a precisão obtida, possibilitando até mesmo aumentá-la.
Quando utilizar
Diversas são as situações para a utilização das RNA, por exemplo:
“¢ Estimação do volume de árvores: no setor utiliza-se uma regressão para a estimação do volume das árvores em função do diâmetro e da altura da planta, popularmente conhecido como modelo volumétrico. Como o local, a espécie e a idade interferem no volume da árvore, necessita-se de um modelo para cada um desses estratos, o que gera uma gama enorme de equações que devem ser geradas. Com a utilização das RNA não há necessidade de se utilizar técnicas de estratificação, podendo, nesse caso, utilizar o local, espécie e idades como variáveis da RNA, resultando em um único modelo para a estimação do volume das árvores.
“¢ Estimação da altura das árvores: ainda no processo de amostragem em campo, é necessária a aferição da altura de algumas árvores, em média 10 por amostra, utilizando as RNA. Essa amostragem passa a ser de três árvores por amostra, o que pode parecer um ganho irrelevante, contudo, a redução pode chegar a 80% dos indivíduos medidos, sendo que a medição das alturas em campo é um processo que demanda muito tempo e expressivos recursos humanos e financeiros. Constata-se, ainda, que essa redução pode gerar um ganho operacional de até 35% no número de parcelas de inventário medidas no campo.
“¢ Estimação da produção florestal na idade de corte: o conhecimento do volume de um povoamento florestal na idade de colheita ou corte é fundamental para a definição da área a ser plantada e colhida anualmente, a fim de atender a demanda da fábrica de celulose ou carvoaria, bem como o planejamento do processo de transporte, algo extremamente custoso no setor. Com a utilização das RNA pode-se estimar a produção na idade de corte com elevada exatidão e com a possibilidade de previsão da influência de variáveis climáticas na produção florestal.
