Estimativa de povoamento de Eucalyptus urophylla S.T. Blake utilizando Redes Neurais artificiais e índices de Vegetação

No Brasil, as áreas de florestas plantadas abrangem 54,4% e realizar inventários florestais é fundamental para o Manejo florestal. Os métodos tradicionais de coleta para inventário são trabalhosos e dispendiosos. Uma alternativa tem sido a combinação de dados de sensores remotos e redes neurais artificiais (RNA) como uma abordagem comparativa. Objetivo deste estudo é avaliar a concordância entre estimativas de biomassa feitas por redes neurais artificiais usando índices de vegetação e o método tradicional de inventário florestal. Foi utilizado um inventario do ano de 2011, realizado no município de Rio Verde, Goiás, em um povoamento de Eucalyptus urophylla S. T. Blake, pertencente à Cooperativa Agroindustrial dos Produtores Rurais do Sudoeste Goiano (COMIGO), 23 parcelas amostrais aleatórias de 400 m² foram coletados o diâmetro, altura, volume, e outros parâmetros. As imagens de satélite RapidEye foram adquiridas e índices de vegetação, como NDVI, MSAVI, NDRE e EVI. Redes neurais artificiais foram treinadas e validadas no programa NeuroForest Star, para estimar o volume de árvores por parcela. Os resultados indicaram que as estimativas foram comparáveis às abordagens tradicionais de inventário florestal. Ademais, as correlações variaram de -0,84 a 0,99, com um erro padrão da estimativa relativo (syx %) variando de 0,20% a 16,59%. As diferentes arquiteturas de redes neurais artificiais apresentaram variações nas estimativas de volume, e algumas não se mostraram estáveis na etapa de validação. Entretanto, as arquiteturas dos índices NDRE e MSAVI se destacaram pela estabilidade para estimativas de volume por parcela, demostrando eficácia da RNA como método eficiente e acessível.