APLICAÇÃO DE TÉCNICAS DE REGRESSÃO LINEAR E APRENDIZAGEM DE MÁQUINAS NA PREDIÇÃO DA ALTURA TOTAL DE ÁRVORES DE EUCALYPTUS SPP.

O objetivo deste trabalho foi avaliar o desempenho na predição da altura total de árvores de Eucalyptus spp. por meio do uso de Regressão linear múltipla via stepwise (RLMS), Redes neurais artificiais (RNA) e Random forest (RF) em um povoamento no município de Lavras – MG, Brasil. Para isto, obtiveram-se o diâmetro a 1,30 m do solo (DAP) e a altura total (HT) provenientes da cubagem não destrutiva de uma amostra de 71 árvores nas idades de dois e sete anos, em um espaçamento 3 x 2 m. A modelagem foi realizada no software R com base em três agrupamentos de dados: 1) idade de dois anos; 2) idade de sete anos; e 3) Idade de 2 e 7 anos juntas. Os critérios de avaliação dos modelos foram: correlação (r) entre as alturas estimadas e observadas, raiz do erro quadrado médio percentual (RMSE%), dispersão dos erros percentuais e histogramas dos erros percentuais. Todos os modelos apresentaram coeficientes de correlação (r) similares. Quanto ao RMSE (%), destaca-se o modelo ajustado pelo RF na idade de dois anos apresentou o menor erro no ajuste e na validação. Constatou-se também que aos sete anos de idade, a dispersão residual foi mais homogênea para o RLMS e o RF, sendo mais balanceada neste último. Para ambas as idades, o RLMS apresentou os menores erros de estimativa, seguido do RF. Assim, o RF e o RLMS destacaram-se frente à RNA, como técnicas mais eficientes para predizer a altura total de indivíduos de Eucalyptus spp.