Antevendo o impacto climático e de sanidade florestal no potencial produtivo de plantios de eucalipto: uma abordagem para índice de sítio baseada em machine learning

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorRocha, Samuel José Silva Soares da-
Autor(es): dc.contributorScolforo, Henrique Ferraço-
Autor(es): dc.contributorGomide, Lucas Rezende-
Autor(es): dc.contributorMiranda, Evandro Nunes-
Autor(es): dc.contributorLacerda, Talles Hudson Souza-
Autor(es): dc.creatorSegato, Lucas de Souza-
Data de aceite: dc.date.accessioned2026-02-09T12:17:41Z-
Data de disponibilização: dc.date.available2026-02-09T12:17:41Z-
Data de envio: dc.date.issued2025-09-10-
Data de envio: dc.date.issued2025-02-26-
Fonte completa do material: dc.identifierhttps://repositorio.ufla.br/handle/1/60283-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1158410-
Descrição: dc.descriptionClimate change has increasingly posed significant challenges to the forestry sector, directly affecting forest stand productivity due to prolonged droughts, increased climate variability, and changes in water regimes. In this context, this dissertation aimed to deepen the understanding of environmental effects on forest growth—particularly dominant height—through an integrated approach that combines a comprehensive literature review and the development of improved predictive models. The first part of the study critically reviewed key advances in forest growth modeling, emphasizing the potential of incorporating climatic variables, remote sensing data, and machine learning techniques to enhance estimation accuracy. The second part presented an applied study that compared different dominant height projection models for eucalyptus stands, including conventional models, models expanded with climatic variables, and hybrid models incorporating remote sensing indices. Variable selection was supported by Genetic Programming, enabling the identification of the carry-over effect, which reflects the delayed impact of past climatic events on current tree growth. The results showed that including environmental variables significantly reduced bias and improved model explanatory power, particularly under water deficit scenarios. The integration of remote sensing indices, such as SAVI, also proved valuable for representing forest health and capturing spatial variations in water availability. Therefore, this dissertation contributes methodologically by proposing a hybrid, scalable, and environmentally sensitive modeling approach, offering valuable insights to support more efficient, resilient, and climate-adaptive forest management strategies.-
Descrição: dc.descriptionAs mudanças climáticas vêm impondo desafios crescentes ao setor florestal, impactando diretamente a produtividade dos povoamentos devido a eventos como secas prolongadas, aumento da variabilidade climática e alteração nos regimes hídricos. Nesse contexto, esta dissertação buscou aprofundar o entendimento dos efeitos ambientais sobre o crescimento florestal, com foco na projeção da altura dominante, por meio de uma abordagem integrada que abrange revisão de literatura e desenvolvimento de modelos preditivos aprimorados. A primeira parte do trabalho realizou uma análise crítica dos principais avanços na modelagem do crescimento florestal, ressaltando o potencial do uso de variáveis climáticas, dados de sensoriamento remoto e técnicas baseadas em inteligência artificial para melhorar a acurácia das estimativas. Na segunda parte, foi desenvolvido um estudo aplicado que comparou diferentes modelos de projeção da altura dominante em povoamentos de eucalipto, incluindo modelos convencionais, expandidos com variáveis climáticas e híbridos com variáveis orbitais. As variáveis foram selecionadas com apoio da Programação Genética, permitindo a identificação do efeito de carry-over, que representa o impacto de eventos climáticos passados sobre o crescimento atual das árvores. Os resultados demonstraram que a inclusão de variáveis ambientais contribuiu para a redução do viés e aumento do poder explicativo dos modelos, especialmente em cenários de déficit hídrico. A integração de índices orbitais, como o SAVI, também se mostrou promissora para representar a sanidade florestal e capturar variações espaciais da disponibilidade hídrica. A dissertação, portanto, contribui metodologicamente ao propor uma abordagem híbrida, escalável e sensível às condições ambientais, oferecendo subsídios para um manejo florestal mais eficiente, resiliente e adaptável às novas realidades impostas pelas mudanças climáticas.-
Descrição: dc.descriptionArquivo retido, a pedido do autor, até agosto de 2026.-
Descrição: dc.descriptionSociais-
Descrição: dc.descriptionTecnológico-
Descrição: dc.descriptionEconômicos-
Descrição: dc.descriptionMeio ambiente-
Descrição: dc.descriptionTecnologia e produção-
Descrição: dc.descriptionODS 9: Indústria, inovação e infraestrutura-
Descrição: dc.descriptionODS 12: Consumo e produção responsáveis-
Descrição: dc.descriptionODS 13: Ação contra a mudança global do clima-
Descrição: dc.descriptionODS 15: Vida terrestre-
Formato: dc.formatapplication/pdf-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Federal de Lavras-
Publicador: dc.publisherPrograma de Pós-Graduação em Engenharia Florestal-
Publicador: dc.publisherUFLA-
Publicador: dc.publisherbrasil-
Publicador: dc.publisherEscola de Ciências Agrárias – ESAL-
Direitos: dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc-nd/3.0/br/-
Palavras-chave: dc.subjectModelos híbridos-
Palavras-chave: dc.subjectProgramação genética-
Palavras-chave: dc.subjectSeleção de variáveis-
Palavras-chave: dc.subjectSensoriamento remoto-
Palavras-chave: dc.subjectHybrid models-
Palavras-chave: dc.subjectGenetic programming-
Palavras-chave: dc.subjectfeature Selection-
Palavras-chave: dc.subjectRemote sensing-
Palavras-chave: dc.subjectCIENCIAS AGRARIAS::RECURSOS FLORESTAIS E ENGENHARIA FLORESTAL-
Título: dc.titleAntevendo o impacto climático e de sanidade florestal no potencial produtivo de plantios de eucalipto: uma abordagem para índice de sítio baseada em machine learning-
Título: dc.titleAnticipating climate and forest health impact on the productive potential of eucalyptus plantations: a machine learning-based site index approach-
Tipo de arquivo: dc.typedissertação-
Aparece nas coleções:Repositório Institucional da Universidade Federal de Lavras (RIUFLA)

Não existem arquivos associados a este item.