Submitted by MARCOS LEANDRO TEIXEIRA DE OLIVEIRA (marcosteixeira@ufv.br) on 2018-10-02T14:16:45Z
No. of bitstreams: 1
texto completo.pdf: 2788275 bytes, checksum: 242c6ad3547d3b9c247d8587ed7091f3 (MD5) / Made available in DSpace on 2018-10-02T14:16:45Z (GMT). No. of bitstreams: 1
texto completo.pdf: 2788275 bytes, checksum: 242c6ad3547d3b9c247d8587ed7091f3 (MD5)
Previous issue date: 2018-07-20 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / Nos últimos quinze anos, plantios comerciais de Guazuma crinita Mart. (bolaina) têm
sido implementados na Amazônia central peruana. No entanto, a realidade florestal do
país indica que ainda ha grandes lacunas no conhecimento sobre o manejo da espécie.
O objetivo deste estudo foi modelar o crescimento e espacializar a capacidade
produtiva de plantios de Guazuma crinita Mart. na Amazônia central peruana. Dados
do inventário florestal continuo (IFC), efetuado entre 2010 e 2016 em plantios
comerciais, foram utilizados. Modelos hipsométricos, volumétricos, de índice de local
em função da altura dominante (Hd) e diâmetro dominante (dapd) e, dois modelos de
crescimento em nível de povoamento foram ajustados. O índice de local foi utilizado
para estimar, espacializar e clas sificar capacidade produtiva na area de estudo, a través
do uso de algoritmos de inteligência artificial. O modelo selecionado para estimar a
altura individual das árvores resultou em: LnHt = 1,495483 - 5,596162da1r9"1
0,128607Ln(dap. I) + 0,394984Lndapd, no entanto os seis modelos ajustados
geraram ajustes semelhantes e satisfatórios (r²> 0,88). Para estimar o volume
individual das árvores a equação LnV = -9,222158 + 2,096362Lndap
0,604339Ln(Ht) com rº = 0,9756 foi selecionada. O modelo de Schumacher foi
adotado para modelar o crescimento médio da Hd e dapd e classificar a capacidade
produtiva dos plantios de G. crinita em função ao índice de local. O ajuste dos modelos
de Clutter gerou um r² = 0.80 para a Área Basal futura (B2) e r² = 0,87 para o volume futuro(V2). Os resultados do ajuste dos modelos em nível de povoamento indicam que existe um efeito significativo e consistente da capacidade produtiva na área basal e que a relação funiconal Y = f(I,S,B) é adequada para os dados utilizados. O algaritmo Random Forest foi selecionado para espacializar a capacidade produtiva de G. Crinita em função de: ano do plantio, coordenadas de localização adas parcelas, NDVI e banda 5 da imagem LANDSAT-8 (2016), as bandas 2 e 5 da imagem LANDSAT-5 (2007) e a distância vertical à rede de hídrica. / The last fifteen years, commercial plantations of Guazuma crinita Mart. (bolaina) were
implemented in the central Peruvian Amazon. However, the country's forest reality
indicates that there are still large gaps in knowledge about this species management.
The objective of this study was to model the growth and spatialize the productive
capacity of Guazuma crinita Mart. plantations in Peruvian central Amazon. Data from
continuous forest inventory (IFC), conducted between 2010 and 2016 on commercial
plantations, were used. Hypsometric and volumetric models, site index models as a
function of dominant height (Hd) and dominant diameter (dapd), and two growth
models at stand level were adjusted. With artificial intelligence algorithms, site index
was used to estimate, spatialize and classify productive capacity in the study area. The
selected model to estimate individual tree height resulted in: LnH t : 1.495483
5.596162dap"1 + 0.128607Ln(dap.1) + 0.394984Lndapd, however the six
models generated similar and satisfactory adjustments (r2 > 0.88). To estimate the
individual tree volume, equation LnV : -9.222158 + 2.096362Lndap
0.604339Ln(H t) with r2 = 0.9756 was selected. The Schumacher model was
adopted to estimate to H d and dapd average growth and to classify the productive
capacity of G. crinita plantations as a function of site index. The fitted Clutter models
generated a rº : 0.80 for the future Basal Area (BZ) and T2 = 0.87 for the future
Volume (V2). The growth models at stand level results indicate that there is a
significant and consistent effect of productive capacity (site index) on basal area and
the functional relationship Y = f (I, S , B) is adequate for the data used. The Random
Forest algorithm was selected to spatialize the productive capacity of G. crinita as a
function of: planting year, plot location coordinates, NDVI and band 5 of LANDSAT-
8 image (2016), bands 2 and 5 of LANDSAT-S image (2007), altitude and vertical
distance to the channel network.
| Identifer | oai:union.ndltd.org:IBICT/oai:localhost:123456789/22110 |
| Date | 20 July 2018 |
| Creators | Elera Gonzáles, Duberlí Geomar |
| Contributors | Ribeiro, Carlos Antônio Alvares Soares |
| Publisher | Universidade Federal de Viçosa |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UFV, instname:Universidade Federal de Viçosa, instacron:UFV |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0023 seconds