Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Florestal, Programa de Pós-Graduação em Ciências Florestais, 2016. / Submitted by Albânia Cézar de Melo (albania@bce.unb.br) on 2016-05-12T16:15:07Z No. of bitstreams: 1 2016_IlvanMedeirosLustosaJunior.pdf: 5972646 bytes, checksum: c5b3f56ef268e42b07b37bf113fec2dd (MD5) / Approved for entry into archive by Raquel Viana(raquelviana@bce.unb.br) on 2016-05-23T21:29:44Z (GMT) No. of bitstreams: 1 2016_IlvanMedeirosLustosaJunior.pdf: 5972646 bytes, checksum: c5b3f56ef268e42b07b37bf113fec2dd (MD5) / Made available in DSpace on 2016-05-23T21:29:44Z (GMT). No. of bitstreams: 1 2016_IlvanMedeirosLustosaJunior.pdf: 5972646 bytes, checksum: c5b3f56ef268e42b07b37bf113fec2dd (MD5) / A Mata atlântica vem sendo alvo constante no uso demasiado de recursos naturais, não obstante, o componente florestal tem sido explorado de forma insustentável, promovendo um alto grau de degradação ambiental no Bioma. Conhecer o comportamento arbóreo, num determinado intervalo de tempo, permite fornecer subsídios científicos na fundamentação de políticas de conservação e manejo florestal. A competição florestal é um dos fatores que influenciam no crescimento e longevidade dos indivíduos arbóreos, e é decorrente da demanda por recursos essenciais, tais quais, água, luz e nutrientes. Portanto, objetivou-se com o presente estudo, analisar a influência da competição florestal, por meio de índices de competição independentes e semidependentes de distância (raios de 2, 3, 4, 5 e 6 metros), no crescimento dendrométrico e agregar os aspectos competitivos na projeção, através de modelos tradicionais e redes neurais artificiais, em fragmento de Floresta Estacional Semidecidual, MG. Para tal estudo foi realizada uma classificação dos indivíduos em grupos ecológicos e de acordo a exigência por luz, visando avaliar se o cálculo da competição é mais significativo ao ser avaliado para cada grupo, ao invés da análise generalizada para todas as espécies do fragmento em estudo. Avaliar a competição por grupo ecológico se mostrou mais eficaz, visto que apresentou correlações superiores. O índice independente BAL obteve o melhor desempenho para analisar a influência da competição no crescimento dos indivíduos no fragmento estudado. Projetar o crescimento dendrométrico por Redes Neurais Artificiais foi mais eficiente que por modelos de regressões tradicionais. _______________________________________________________________________________________________ ABSTRACT / The Atlantic Forest natural resources have been largely explored, regardless; the forest is used in an unsustainable way, provoking an elevated level of damage in the Biome. Knowing the arboreal behavior, in a certain period, allows providing scientific grants for conservation and forestry management policies. The forestry competition is one of the factors that influence on the growth and longevity of the specimens, and is due the demand for essential resources, such as, water, light and nutrients. Therefore, this research aimed to analyze how the forestry competition affects the dendrometric measurements, by using distance independent and distance semi-independent competition indexes (radius at 2, 3, 4, 5 and 6 meters), and to aggregate the competitive aspects on the projection, through traditional models and neural artificial networks, in a Semi-Deciduous Seasonal Forest, in Minas Gerais (Brazil). In this study was carried out a classification of individuals according to their ecological groups and their light demand, in order to evaluate whether the calculation of the competition is more significant when evaluated for each group, rather than the generalized analysis to all species of the fragment under study. To evaluate the competition per ecologic group was more efficient, since it presented superior correlations. The BAL independent index obtained the best performance to analyze the influence of the competition on the specimens’ growth on the fragment studied. Projecting the dendrometric measurement using Neural Artificial Networks was more efficient than the traditional means.