Regulación de la producción forestal con pronósticos de modelación Clutter y redes neuronales artificiales en plantaciones de eucalipto del Estado de Minas Gerais – Brasil

Autores/as

  • Gianmarco Goycochea Casas Universidad Nacional de Cajamarca, Facultad de Ciencias Agrarias, Sede Jaén, Jaén
  • Juan Rodrigo Baselly Villanueva Universidad Nacional de Cajamarca, Facultad de Ciencias Agrarias, Sede Central, Cajamarca
  • Helio Garcia Leite Universidade Federal de Viçosa, Departamento de Ingeniería Forestal, Viçosa, Brasil
  • Ana Carolina de Albuquerque Santos Universidade Federal de Viçosa, Departamento de Ingeniería Forestal, Viçosa, Brasil
  • Carlos Alberto Araujo Júnior Universidade Federal de Viçosa, Departamento de Ingeniería Forestal, Viçosa, Brasil
  • Aline Edwiges Mazon de Alcántara CENIBRA, Minas Gerais, Brasil

DOI:

https://doi.org/10.25127/ucni.v1i1.266

Palabras clave:

Redes neuronales artificiales (RNA), eucalipto, regulación forestal

Resumen

El presente estudio fue realizado con los objetivos de regular la producción forestal con pronósticos de modelación Clutter y Redes Neuronales Artificiales (RNA) en plantaciones de eucalipto (híbridos de Eucalyptus urophylla x Eucalyptus grandis), localizado en la región Centro Oeste del Estado de Minas Gerais, Brasil. De las tablas de producción se generaron procesos de regulación forestal en formato de programación lineal utilizando el software RPF 2.0®, con el fin de maximizar el ingreso líquido futuro para 22 años, 2016 – 2038. Se generaron dos planos de manejo, obteniendo variables de prescripción, edad, rotación, volumen, costos, demanda. Para la aplicación del modelo de programación lineal se consideró un horizonte de planeamiento de 22 periodos, tasa de interés de 11,5% y una edad regulatoria de 7 años con 0% de variación permitida, considerando una sola rotación y una variación de producción entre 100 000 m3 y 60 000 m3. Se concluye que los dos planos de proyección tienen influencia en la regulación forestal, destacando la técnica de RNA como una alternativa más real y confiable para regular una plantación.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Binoti, D. H. (2010). Estratégias de regulação de florestas equiâneas com vistas ao manejo da paisagem.

Binoti, M. (2012). Emprego de redes neurais artificiais em mensuração e manejo florestal (Tese Doutorado). Universidade Federal de Viçosa, Viçosa, MG, 2012

Binoti, M. L. (2010). Redes neurais artificiais para prognose da produção de povoamentos não desbastados de eucalipto (Dissertação Mestrado). Programa de Pós-Graduação em Ciência Florestal, Universidade Federal de Viçosa, Viçosa.

Bullinaria, J. A. (2014). Introduction to neural computation: notas de aula. Disponível em: http://www.cs.bham.ac.uk/~jxb/inc.html.

Buongiorno, J., y Gilless, J. K. (2003). Decision methods for forestre source and management. California: Academic Press. 439 p.

Castro, R. R. (2007). Regulação de florestas eqüiâneas incluindo restrições de adjacência (Dissertação Magister Scientiae). Universidade Federal de Viçosa, Viçosa, MG.

Cavalcante, R. B. L. (2011). Planejamento de povoamentos de eucalipto com condicionantes hidrológicos: um estudo de caso em Eldorado do Sul-RS (Dissertação Mestrado). Universidade Federal do Rio Grande do Sul, Porto Alegre.

Clutter, J. L., Fortson, J. C., Pienaar, L. V., Brister, G. H., y Bailey, R. L. (1983). Timber management: a quantitative approach. John Wiley & Sons, Inc.

Da Silva, Binoti, M. L., Binoti, D. H. B., Leite, H. G., Garcia, S. L. R., Ferreira, M. Z., Rode, R., y da Silva, A. A. (2014). Redes Neurais Artificiais Para Estimação Do Volume De Árvores. Revista Árvore, 38(2), 283-288.

Da Silva, G. F., Leite, H. G., Soares, C. P., y Da Silva, M. L. (2005). Influência de estimativas de produção de madeira em processos de regulação florestal utilizando programação linear. Ciência Florestal, 13(1), 57-72.

Davis, L. S.; Johnson, K. N. (1987). Forest management. New York: Mc Graw-Hill Book Company. 790p.

De Carvalho, K. H. A., Silva, M. L., Leite, H. G., & Binoti, D. H. B. (2015). Influência da taxa de juros e do preço da madeira em modelos de regulação florestal. Pesquisa Florestal Brasileira, 35(82), 143-151.

Dykstra, D. P. (1984). Mathematical programming for natural resource management. New York: McGraw-Hill. 318 p.

Johnson, K. N., & Scheurman, H. L. (1977). Techniques for prescribing optimal timber harvest and investment under different objectives--discussion and synthesis. Forest Science, 23(1), a0001-z0001.

Leuschner, W. A. (1984). Introduction to forest resource management. New York: John Willey & Sons. 298p.

Magalhães, J. G. (2014). Prognose e Regulação de Florestas de eucalipto utilizando Modelo de Crescimento e Inteligência Computacional.

Monte, M. (2012). Inclusão de critérios sociais na modelagem matemática do planejamento florestal. 74 f. Tese (Doutorado em Ciência Florestal) – Universidade Federal de Viçosa, Viçosa, MG.

Rode, R., Leite, H. G., Oliveira, M. L., Binoti, D. H. B., Ribeiro, C. A., Souza, A. L. y Cosenza, D. N. (2015). Comparação da regulação florestal de projetos de fomento com áreas próprias de empresas florestais. Pesquisa Florestal Brasileira, 35(81), 11-19.

Rodrigues, F. L. (1997). Regulação de florestas equiâneas utilizando programação linear.117 f. Dissertação (Mestrado em Ciência Florestal) - Universidade Federal de Viçosa, Viçosa, MG.

Santos, F. L. (2008). Regulação da produção de floresta de eucalipto submetida a desbaste e destinada a multiprodutos (Tesis de Mestrado). Universidade Federal de Viçosa, Viçosa, MG.

Descargas

Publicado

2018-04-18

Cómo citar

Goycochea Casas, G., Baselly Villanueva, J. R., Garcia Leite, H., de Albuquerque Santos, A. C., Araujo Júnior, C. A., & Mazon de Alcántara, A. E. (2018). Regulación de la producción forestal con pronósticos de modelación Clutter y redes neuronales artificiales en plantaciones de eucalipto del Estado de Minas Gerais – Brasil. Revista Científica UNTRM: Ciencias Naturales E Ingeniería, 1(1), 55–59. https://doi.org/10.25127/ucni.v1i1.266

Número

Sección

Artículos