MACRONUTRIENTS USE EFFICIENCY IN EUCALYPT BY NON-DESTRUCTIVE METHODS ESTIMATED BY ARTIFICIAL NEURAL NETWORKS
DOI:
https://doi.org/10.5902/1980509832049Keywords:
CBU, ANN, non-destructive sampling, planting density.Abstract
The Non-Destructive Sampling (NDS) provides an efficient, simple and safe characterization of chemical properties of the plant, as the Coefficient of Biological Use (CBU). The association of NDS with the technique of Artificial Neural Networks (ANN) can be a potential alternative to replace the regression equations and the traditional methods of interpolation. Therefore, this work aimed to evaluate the efficiency of ANN and non-destructive sampling for the efficiency of nutrient use in the trunk. The research plot was installed in a randomized block being studied, in three blocks, the effect of five planting spacing: T1 – 3,0 m x 0,5 m, T2 – 3,0 m x 1,0 m, T3 – 3,0 m x 1,5 m, T4 – 3,0 m x 2,0 m e T5 – 3,0 m x 3,0 m. A sample-tree was felled to make the cubage and quantify the dry bark and wood per experimental plot, totaling 15 trees. The sample-trees were weighed in the field and subsamples of bark and wood were collected along the stem to form a composite sample per tree. Also removed was a single sample of each component obtained with the aid of a chisel and hammer in DBH in the same sample-trees. The samples were dried at 65°C until constant weight. The material was ground and subjected chemical analysis. Adjusted regression models and application of ANN to estimation of CBUTrunk from the CBUDBH Bark and CBUDBH Wood. The ANN had a higher accuracy and reliability of the regression. Modeling by artificial neural networks using only sample in the DBH region proved to be adequate for estimating the coefficient of biological use of stem.
Downloads
References
ALMEIDA, A. C. et al. Growth and water balance of Eucalyptus grandis hybrids plantations in Brazil during a rotation for pulp production. Forest Ecology and Management, Amsterdam, v. 251, n. 1-2, p. 10-21, out. 2007.
ALONGI, D. M.; CLOUGH, B. F.; ROBERTSON, A. I. Nutrient use efficiency in arid-zone forests of the mangroves Rhizophora stylosa and Avicennia marina. Aquatic Botany, Amsterdam, v. 82, n. 2, p. 121-131, jun. 2005.
ANGELICO, J. C. Desempenho das redes neurais artificiais na estimativa das variáveis físicas e químicas do solo. 2005. 160 f. Tese (Doutorado em Agronomia) – Universidade Estadual Paulista, Botucatu, 2005.
BARROS, N. F. et al. Classificação nutricional de sítios florestais - Descrição de uma metodologia. Revista Árvore, Viçosa, MG, v. 10, n. 2, p. 112-120, 1986.
BARROS, N. F. et al. Nutricalc 2.0 – Sistema para cálculo del balance nutricional y recomendación de fertilizantes para el cultivo de eucalipto. Bosque, Santiago, v. 16, n. 1, p. 129-131, 1995.
BEHERA, S. K.; RENE, E. R.; PARK, H. S. Neural network modeling of sorption of pharmaceuticals in engineered floodplain filtration system. Expert Systems with Applications, Amsterdam, v. 39, n. 5, p. 6052-6060, abr. 2012.
BINOTI, M. L. M. S. Redes neurais artificiais para prognose da produção de povoamentos não desbastados de eucalipto. 2010. 54 f. Dissertação (Mestrado em Ciência Florestal) – Universidade Federal de Viçosa, Viçosa, MG, 2010.
BRAGA, A. P.; CARVALHO, A. P.; LUDERMIR, T. B. Redes neurais artificiais: teoria e aplicações. 2. ed. Rio de Janeiro: LTC, 2007. 226 p.
BULLINÁRIA, J. A. Introduction to Neural Computation. Notas de aula. 2011. Disponível em: <http://www.cs.bham.ac.uk/~jxb/inc.html>. Acesso em: 8 de nov. 2011.
CHAPIN, F. S. The mineral nutrition of wild plants. Annual Review of Ecology and Systematics, Palo Alto, v. 11, p. 233-260, 1980.
COELHO, L. S.; SILVA, W. V.; PROTIL, R. M. Previsão não-linear dos preços de troncos de eucalipto baseada em uma abordagem neuroevolutiva. Gestão & Produção, São Carlos, v. 14, n. 1, p. 139-154, jan./abr. 2007.
COSTA, A. M. et al. Avaliação do risco de anoxia para o cultivo do eucalipto no Rio Grande do Sul utilizando-se levantamento de solos. Scientia Forestalis, Piracicaba, v. 37, n. 84, p. 367-375, dez. 2009.
GORGENS, E. B. et al. Estimação do volume de árvores utilizando redes neurais artificiais. Revista Árvore, Viçosa, mg, v. 33, n. 6, p. 1141-1147, nov./dez. 2009.
HAYKIN, S. Redes Neurais: princípios e prática. 2. ed. Porto Alegre: Bookman, 2001. 900 p.
INSTITUTO NACIONAL DE METEOROLOGIA (Brasil). INMET: Instituto Nacional de Meteorologia. [2010]. Disponível em: <http://www.inmet.gov.br>. Acesso em: 16 out. 2010.
MABVURIRA, D.; MIINA, J. Individual-tree growth and mortality models for Eucalyptus grandis (Hill) Maiden plantations in Zimbabwe. Forest Ecology and Management, Amsterdam, v. 161, n. 1-3, p. 231-245, maio 2002.
MENDES, S. C. et al. Absorção e distribuição de nutrientes em plantios comerciais de bambu (Bambusa vulgaris) no nordeste do Brasil. Revista Árvore, Viçosa, MG, v. 34, n. 6, p. 991-999, nov./dez. 2010.
NOVAIS, R. F. et al. Fertilidade do solo. 1. ed. Viçosa, MG: Sociedade Brasileira de Ciência do Solo, 2007. 1017 p.
PULROLNIK, K. et al. Estoques de carbono e nitrogênio em frações lábeis e estáveis da matéria orgânica de solos sob eucalipto, pastagem e cerrado no Vale do Jequitinhonha-MG. Revista Brasileira de Ciência do Solo, Viçosa, MG, v. 33, n. 5, p. 1125-1136, set./out. 2009.
SAIDELES, F. L. F. et al. Determinação do ponto de amostragem para a quantificação de macronutrientes em Acacia mearnsii de Wild. Revista Floresta, Curitiba, v. 40, n. 1, p. 49-62, jan./mar. 2010.
SANTANA, R. C. et al. Alocação de nutrientes em plantios de eucalipto no Brasil. Revista Brasileira de Ciência do Solo, Viçosa, MG, v. 32, p. 2723-2733, 2008.
SANTANA, R. C.; BARROS, N. F.; NEVES, J. C. L. Eficiência de utilização de nutrientes e sustentabilidade da produção em procedências de Eucalyptus grandis e Eucalyptus saligna em sítios florestais do estado de São Paulo. Revista Árvore, Viçosa, MG, v. 26, n. 4, p. 447-457, jul./ago. 2002.
SARTIN, M. A. Projeto e implementação de redes neurais artificiais em distintos níveis de abstrações para o reconhecimento de deficiências de diversos macronutrientes e cultivares. 2014. 252 f. Tese (Doutorado em Engenharia Elétrica) – Universidade Estadual Paulista, Ilha Solteira, 2014.
SENA, M. M. et al. Avaliação do uso de métodos quimiométricos em análise de solos. Química Nova, São Paulo, v. 23, n. 4, p. 547-556, 2000.
SILVA, K. S.; CECÍLIO. R. A. Uso de redes neurais artificiais para a estimativa das temperaturas do ar médias, máximas e mínimas, mensais e anuais no estado do Espírito Santo. Caminhos de Geografia, Uberlândia, v. 11, n. 34, p. 84-92, jun. 2010.
SOARES, F. A. A. M. N. et al. Recursive diameter prediction and volume calculation of eucalyptus trees using Multilayer Perceptron Networks. Computers and Electronics in Agriculture, Amsterdam, v. 78, n. 1, p. 19-27, ago. 2011.
STATSOFT. Statistica (data analysis software system), version 7. [2007]. Disponível em: <http://www.statsoft.com>. Acesso em: 2007.
