Development of artificial intelligence techniques in forest management
Year: 2021
Type: dissertation
Abstract: O uso de inteligência computacional no setor florestal é recorrente para diversos problemas, principalmente como auxiliador na tomada de decisões para os gestores florestais. Congruente a isso, a expansão de big data no setor é notável, proporcionando elevado número de dados. Com isso, a aplicação de metodologias que facilitem, de forma assertiva, a compilação e o processamento desses dados se tornam essencial. Diante dessa perspectiva, a tese foca no uso do algoritmo genético para solução de problemas do setor florestal, tendo como foco a seleção e alocação de variáveis em um modelo não linear de afilamento (artigo 1), além de sua aplicação com caráter multiobjetivo para seleção de árvores a serem exploradas na floreta Amazônica (artigo 2). No artigo 1, o objetivo do trabalho foi gerar um modelo eficiente para predição do diâmetro ao longo do fuste, além de investigar uma abordagem biológica da seleção das variáveis morfométricas. Foram disponibilizadas variáveis clássicas, morfométricas, temporal e uma constante para o algoritmo genético a fim de selecionar e alocar essas variáveis no modelo de Kozak (2004). Além disso, os ajustes dos coeficientes de regressão foram realizados pelo algoritmo. O modelo selecionado pelo algoritmo apresentou boas predições de diâmetro ao longo do fuste, tendo as variáveis selecionadas comportamentos lógicos com o incremento diamétrico. O artigo 2 teve como intuito utilizar um algoritmo multiobjetivo para auxiliar na tomada de decisão no corte seletivo de uma Floresta Decidual Ombrófila Mista, baseando-se em critérios econômicos e ambientais, o qual gerou múltiplas soluções classificadas conforme natureza econômica, ecológica e de equilíbrio. O algoritmo genético foi eficiente em conciliar os diferentes objetivos, possibilitando baixo impacto no povoamento remanescente. Ao se analisar os resultados apresentados na tese, nota-se que o algoritmo genético foi eficaz para solucionar os problemas propostos. Além de sua alta adaptabilidade em diferentes abordagens, sendo de fácil estruturação para variáveis binárias e continuas, e cenários mono e multiobjetivos.
Author: Lacerda, Talles Hudson Souza
Language: Portuguese
Subfield: Forestry
Domain: Life Sciences
SDG: Life on land
Open Access status: green
OpenAlex ID: W7120736045