Avaliação da precisão do algoritmo random forest e regressões para estimar altura total de árvores clonais de seringueira

A seringueira [Hevea brasiliensis (Willd. ex A.Juss.) Müll.Arg.] é uma das principais espécies florestais cultivadas no Brasil e no mundo. Seu principal interesse econômico é relacionado a produção de látex, que é a matéria-prima na produção da borracha natural. Para a tomada de decisões mais assertivas no manejo dessas plantações, muitas vezes se torna necessário a medição de algumas variáveis dendrométricas como, por exemplo, a altura das árvores. Essa variável, normalmente, é de difícil obtenção e o estudo de relações hipsométricas é fundamental para reduzir custos na obtenção dessa variável. Atualmente, as técnicas de regressão são as mais utilizadas, porém, com o avanço da tecnologia, outras opções precisam ser estudadas, como é o caso das florestas aleatórias (RF, random forest), que consiste em um algoritmo de machine learning (Aprendizado de máquina), e tem sido objeto de estudos para modelagem de atributos florestais. Assim, este estudo objetivou avaliar a precisão das estimativas da altura total de árvores de seringueira, estimadas por técnicas de regressão e de machine learning. Para realização do estudo foram utilizados dados de medições realizadas em cinco ou seis ocasiões, em 21 parcelas permanentes (650-680 m² de área cada – três linhas de plantio x 12 árvores na linha) estabelecidas em três talhões (clone RRIM600), localizados no município de Paraíso das Águas- MS. Em cada ocasião, obtiveram-se medidas do diâmetro na altura do peito (DAP, em centímetros) de todas as árvores; altura total (Ht, em metros) das árvores da linha central; altura dominante (Hd, em metros), de acordo conceito de Assman; e a idade de plantio (Id, em anos). Os dados foram divididos em treinamento (75%) e validação (25%). Os modelos de regressão utilizados foram: 1) H=b0+b1*DAP+b2*Hd+b3*Id; 2) H=b0+b1*DAP+b2*Hd; 3) LnH=b0+b1*LnDAP+b2*LnHd+b3*LnId; 4) LnH=b0+b1*LnDAP+b2*LnHd. Para o modelo RF foram utilizadas as variáveis de entrada DAP, HD e Id. O número de variáveis selecionadas em cada nó (Mtry) foi igual a 3. A qualidade das estimativas foi realizada com base nos seguintes critérios: correlação entre os valores de altura observados e estimados (r); raiz quadrada média do erro (RMSE); erro absoluto médio (MAE) e erro absoluto médio percentual (MAPE%). O RF apresentou desempenho superior às regressões para estimativa da Ht em função das variáveis analisadas. Na etapa de validação, o modelo RF apresentou valor de r igual a 0,9673, RMSE de 0,9999, MAE de 0,7311 e MAPE de 0,0531, enquanto para o melhor modelo de regressão (Modelo 1), esses valores foram de 0,9470, 1,2646, 0,9263 e 0,0695, respectivamente. Assim, o algoritmo RF mostrou-se adequado e preciso para estimar a Ht em função das variáveis explicativas estudadas.